Hadoop框架——详解

分布式和集群介绍

* 分布式: 多台机器做不同的事情, 然后组成1个整体.

* 集群: 多台机器做相同的事情.

  > 多台机器既可以组成 中心化模式**(主从模式)**, 也可以组成 去中心化模式**(主备模式)**

 Hadoop架构图

Hadoop1.X = HDFS + MapReduce

HDFS集群

namenode: 主节点

1.管理整个HDFS集群.

2.维护和管理元数据
问:什么是元数据(metadata)?

答:描述数据的数据就被称之为: 元数据例如:图书在哪层,哪个区域,哪个书架.文件的存储路径，大小，时间，权限

SecondaryNameNode: 辅助节点辅助namenode管理元数据的

datanode: 从节点

1.维护和管理源文件

2.负责数据的读,写操作
3.定时向namenode报活

Map Reduce集群

JobTracker: 主节点
1.负责任务的接收
2.负责任务的调度
3.负责任务的监控.
4.负责资源的调度和分配.

TaskTracker:从节点负责接收并执行JobTracker分配过来的计算任务
JobTracker的任务过于繁重，容易宏机存在: 单点故障的问题

Hadoop2.X, 3.X = HDFS + MapReduce + Yarn

Yarn集群

ResourceManager : 主节点
1.负竟任务的接收.
2.负竟资源的调度和分配.

AppMaster进程:代码级别
1个计算任务 = 1个Application Master进程由该AppMaster进程来监控和管理该计算任务并负袁向ResourceManager 中请资源

nodemanager : 从节点
负责接收并执行ResourceManager分配过来的计算任务.

此时已经没有MapReduce集群的概念了，而是代码级别的程序，即: MR计算任务,
我们只需要用代码编写MR计算任务，然后交由Yarn调度执行即可

Hadoop集群高可用模式图解

HDFS的特点

* HDFS文件系统可存储超大文件，时效性稍差。
* HDFS具有硬件故障检测和自动快速恢复功能。
* HDFS为数据存储提供很强的扩展能力。
* HDFS存储一般为**一次写入，多次读取，只支持追加写入，不支持随机修改。**
* HDFS可在普通廉价的机器上运行。

HDFS的三大机制

心跳机制:
1.datanode会定时(3秒)向namenode发送心跳包，告诉namenode,我还活着.

2.如果超过一定时间(630秒),namenode漫收到datanode的心跳包,就认为它容机了。此时就会将该datanode的块信息，交由其它活跃的datanode来存储.

3.所有的datanode会定时(6个小时),向namenode汇报一次自己完整的块信息,让namenode校验更新

负载均衡:
namenode会保证所有的datanode的资源使用率，尽量保持一致

副本机制:
可以提高容错率，默认的副本数是: 3
如果当前副本总数 > 默认的副本数(3)，namenode会自动删除某个副本,

如果当前副本总数 < 默认的副本数(3)，namenode会自动增加该副本.
如果当前活跃的机器总数 低于 的副本数(3)，例如: 默认3副本，但是现在只有2台机器活跃了，就会强制进入到 安全模式(safemode)，安全模式下: 只能读，不能写.

更多配置，详见Hadoop官方文档:
https://hadoop.apache. org/docs/r3.3.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xm