【无标题】

王者NO1

于 2025-03-25 17:36:41 发布

阅读量492

点赞数 18

文章标签： hadoop 大数据

本文链接：https://blog.csdn.net/wangzheno2/article/details/146508452

版权

前言
Hadoop是用来解决海量数据的存储和海量数据的分析计算问题，一个分布式系统基础架构

一、hadoop的发展历史
来不及解释了，点击带你了解什么是Hadoop

二、大数据简述
1. 大数据的概念
大数据：指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
存储单位在TB、PB、EB
1T = 1024G

2. 大数据特点（4V）
Volume（大量）
Velocity（高速）
这是大数据区分于传统数据挖掘的最显著特征
根据IDC的“数字宇宙”的报告，预计到2025年，全球数据使用量将达到163ZB。在如此海量的数据面前，处理数据的效率就是企业的生命

Variety（多样）
分为结构化和非结构化数据
Value（低价值密度）
价值密度的高低与数据总量的大小成反比
3. 大数据技术生态圈

虽然 Hadoop 提供了很多功能，但仍然应该把它归类为由多个组件组成的 Hadoop 生态圈，这些组件包括数据存储、数据集成、数擔处理和其他进行数据分析的专门工具。

三、hadoop概述
1. hadoop优势
高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失
高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点
高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度
高容错性：能够自动将失败的任务重新分配
2. hadoop组成
hadoop 1.x   hadoop 2.x   hadoop 3.x
Common（辅助工具）   Common（辅助工具）   同2.x
HDFS（数据存储）   HDFS（数据存储）
MapReduce（计算+资源调度）   MapReduce（计算）
YARN（资源调度）
说明

在Hadoop1.x 时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。
在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度，MapReduce只负责运算。
Hadoop3.x在组成上没有变化
3. HDFS架构概述
Hadoop Distributed File System，简称HDFS，是一个分布式文件系统

NameNode(nn)：存储文件的元数据，如：文件名、文件目录结构、文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和所在的DataNode等
简而言之就是一目录，DataNode才是内容

DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份
4. YARN架构概述
Yet Another Resource Negotiator简称YARN，另一种资源协调者，是Hadoop的资源管理器

ResourceManager (RM)：整个集群资源(内存、CPU等)的老大
NodeManager (NM)：单个节点服务器资源老大
ApplicationMaster (AM)：单个任务运行的老大
Container：容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等

说明