第一周， 总体概述， Hadoop , 想到鸿蒙的未来，还想大干一场
2019-8-2 大数据班正式开课， 整天讲解大数据的软件构成和概念
Hadoop , 想到鸿蒙的未来，我还想大干一场
HDFS:
Hadoop是Apache软件基金会所开发的并行计算框架与分布式文件系统。
Hadoop 最核心的模块包括Hadoop Common、HDFS与MapReduce。
HDFS是Hadoop分布式文件系统（Hadoop Distributed File System）的缩写，
为分布式计算存储提供了底层支持。
采用Java语言开发，可以部署在多种普通的廉价机器上，以集群处理数量积达到大型主机处理性能。
HDFS 架构原理HDFS采用master/slave架构。
一个HDFS集群包含一个单独的NameNode和多个DataNode。
NameNode作为master服务，它负责管理文件系统的命名空间和客户端对文件的访问。
NameNode会保存文件系统的具体信息，包括文件信息、文件被分割成具体block块的信息、以及每一个block块归属的DataNode的信息。
HDFS通过NameNode对用户提供了一个单一的命名空间。
DataNode作为slave服务，在集群中可以存在多个。
通常每一个DataNode都对应于一个物理节点。
DataNode负责管理节点上它们拥有的存储，它将存储划分为多个block块，管理block块信息，同时周期性的将其所有的block块信息发送给NameNode。
HDFS采用master/slave架构。一个HDFS集群是由一个Namenode和一定数目的Datanodes组成。
Namenode是一个中心服务器，负责管理文件系统的名字空间(namespace)以及客户端对文件的访问。
集群中的Datanode一般是一个节点一个，负责管理它所在节点上的存储。
HDFS暴露了文件系统的名字空间，用户能够以文件的形式在上面存储数据。
从内部看，一个文件其实被分成一个或多个数据块，这些块存储在一组Datanode上。
Namenode执行文件系统的名字空间操作，比如打开、关闭、重命名文件或目录。
它也负责确定数据块到具体Datanode节点的映射。
Datanode负责处理文件系统客户端的读写请求。
在Namenode的统一调度下进行数据块的创建、删除和复制。
下图为HDFS系统架构图，主要有三个角色，Client、NameNode、DataNode。
文件写入时：Client向NameNode发起文件写入的请求。
NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。
Client将文件划分为多个block块，并根据DataNode的地址信息，按顺序写入到每一个DataNode块中。
当文件读取：Client向NameNode发起文件读取的请求。
NameNode返回文件存储的block块信息、及其block块所在DataNode的信息。
Client读取文件信息。
HDFS 数据备份HDFS被设计成一个可以在大集群中、跨机器、可靠的存储海量数据的框架。
它将所有文件存储成block块组成的序列，除了最后一个block块，所有的block块大小都是一样的。
文件的所有block块都会因为容错而被复制。
每个文件的block块大小和容错复制份数都是可配置的。
容错复制份数可以在文件创建时配置，后期也可以修改。
HDFS中的文件默认规则是write one（一次写、多次读）的，并且严格要求在任何时候只有一个writer。NameNode负责管理block块的复制，它周期性地接收集群中所有DataNode的心跳数据包和Blockreport。心跳包表示DataNode正常工作，Blockreport描述了该DataNode上所有的block组成的列表。
---------------------
作者：Resines
来源：CSDN
原文：https://blog.csdn.net/genglei1022/article/details/89646714
版权声明：本文为博主原创文章，转载请附上博文链接！
MapReduce:
YARN:
