Hadoop总结

Hadoop的核心组件有HDFS、MapReduce和Yarn，以及其他常用组件如：HBase、Hive、Hadoop Streaming、Zookeeper等。具体如下图：

 

• HDFS：分布式海量数据存储功能
• Yarn：提供资源调度与任务管理功能

1. 资源调度：根据申请的计算任务，合理分配集群中的计算节点(计算机)。
2. 任务管理：任务在执行过程中，负责过程监控、状态反馈、任务再调度等工作。

• MapReduce：分布式并行编程模型和计算框架。解决分布式编程门槛高的问题，基于其框架对分布式计算的抽象map和reduce，可以轻松实现分布式计算程序。
• Hive：提供数据摘要和查询的数据仓库。解决数据仓库构建问题，基于Hadoop平台的存储与计算，与传统SQL相结合，让熟悉SQL的编程人员轻松向Hadoop平台迁移。
• Streaming：解决非Java开发人员使用Hadoop平台的语言问题，使各种语言如C++、python、shell等均可以无障碍使用Hadoop平台。
• HBase：基于列式存储模型的分布式数据库。解决某些场景下，需要Hadoop平台数据及时响应的问题。

Zookeeper：分布式协同服务。主要解决分布式下数据管理问题：统一命名、状态同步、集群管理、配置同步等。

Hdfs架构设计图及各主要模块和运行流程：

Hdfs主要有：namenode:管理元数据，DataNode：储存数据，clien