下图是hadoop的主从结构，在小集群中Secondary name node属于某个从节点。大集群中，name node和job tracker部署在两台服务器上NameNode：主要职责是跟踪文件如何被分割成文件块、文件块又被哪些节点存储，以及分布式文件系统的整体运行状态是否正常等，如果NameNode节点停止运行的话将会导致数据节点无法通信，客户端无法读取和写入数据到

======================Master=========================查看Datanode的运行情况命令：hadoop dfsadmin -repor网页查看：http://192.168.242.128:50030/jobtracker.jsp

==============================================Vmware=======================ctrl+alt+enter：可以切换全屏。==============================================CentOS==================快速切换workspace的方法，首先打开快捷

HDFS的如下几个特性：硬件故障作为常态，所以HDFS有快速检测，备份，恢复节点的能力。HDFS注重的是对流式数据的访问，所以注重的是吞吐量。支持大规模数据的存储，并且能提供很高的传输速率。一次写入，多次读取，不会再更改了。移动计算：HDFS开放接口让程序移动到数据旁边计算，而不是把数据移动到程序旁边。笔记：==================Name node==========

Map reduce：是一种海量数据并行编程模型，分为map和reduce两个函数。目的是把任务分给多个节点，然后汇总各个节点的中间结果，得到最终结果。Map reduce的对象有一个特点：数据可以分为多个并行处理的数据集。执行过程如下：系统把数据分割成等大小的split（片），每个片进一步分解成对，然后分配用户定义的map任务。Mapper：根据map任务计算得到中间结果

Hadoop技术的应用已经十分广泛了，而我是最近才开始对它有所了解，它在大数据领域的出色表现也让我产生了兴趣。浏览了他的官网，其中有一个页面专门介绍目前世界上有哪些公司在用Hadoop，这些公司涵盖各行各业，不乏一些大公司如alibaba,ebay,amazon,google,facebook,adobe等，主要用于日志分析、数据挖掘、机器学习、构建索引、业务报表等场景,这更加激发了学习它的热情。