Hadoop概述

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。主要解决，海量数据的存储和海量数据的分析计算问题。广义上说，Hadoop通常是指一个更广泛的概念—Hadoop生态圈。

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：能够将失败的任务重新分配。

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。

Hadoop Distributed File System.简称HDFS，是一 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块所在的DataNode等。

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-段时间对NamneNode元数据备份 。

Yet Another Resource Negotiator简称YARN ，另一种资源协调者，是Hadoop的资源管理器。

MapReduce 将计算过程分为两个阶段：Map和Reduce

1）Map阶段并行处理输入数据

2）Reduce阶段对Map结果进行汇总