一文搞懂什么是Hadoop?Hadoop的前世今生,Hadoop的优点有哪些?Hadoop面试考查重点,大数据技术生态体系
目录1.1 Hadoop 是什么 1.2 Hadoop 发展历史1.3 Hadoop 三大发行版本 1.4 Hadoop优势(4高) 1.5 Hadoop 组成(面试重点) 1.5.1 HDFS 架构概述1.5.2 YARN 架构概述1.5.3 MapReduce 架构概述1.5.4 HDFS、YARN、MapReduce 三者关系1.6 大数据技术生态体系 1.7 推荐系统框架图假如说购买一个东
文章共4,700字 · 阅读需要大约16分钟
一键AI生成摘要,助你高效阅读
问答
·
目录
1.5.4 HDFS、YARN、MapReduce 三者关系
1.1 Hadoop 是什么
(1 ) Hadoop 是一个由 Apache 基金会所开发的 分布式系统基础架构 。(2 )主要解决,海量数据的 存储 和海量数据的 分析计算 问题。(3 )广义上来说, Hadoop 通常是指一个更广泛的概念 —— Hadoop 生态圈 。
1.2 Hadoop 发展历史
(1 ) Hadoop 创始人 Doug Cutting ,为 了实 现与 Google 类似的全文搜索功能,他在 Lucene 框架基础上进行优化升级,查询引擎和索引引擎。(2 ) 2001 年年底 Lucene 成为 Apache 基金会的一个子项目。(3 )对于海量数据的场景, Lucene 框 架面 对与 Google 同样的困难, 存 储海量数据困难,检 索海 量速度慢 。(4 )学习和模仿 Google 解决这些问题的办法 :微型版 Nutch 。(5 )可以说 Google 是 Hadoop 的思想之源( Google 在大数据方面的三篇论文)GFS --->HDFSMap-Reduce --->MRBigTable --->HBase(6 ) 2003-2004 年, Google 公开了部分 GFS 和 MapReduce 思想的细节,以此为基础 Doug Cutting 等人用了 2 年业余时间 实现了 DFS 和 MapReduce 机制,使 Nutch 性能飙升。(7 ) 2005 年 Hadoop 作为 Lucene 的子项目 Nutch 的一部分正式引入 Apache 基金会。(8 ) 2006 年 3 月份, Map-Reduce 和 Nutch Distributed File System ( NDFS )分别被纳入到 Hadoop 项目中, Hadoop 就此正式诞生,标志着大数据时代来临。(9 )名字来源于 Doug Cutting 儿子的玩具大象
1.3 Hadoop 三大发行版本
Hadoop 三大发行版本: Apache 、 Cloudera 、 Hortonworks 。Apache 版本最原始(最基础)的版本,对于入门学习最好。 2006Cloudera 内部集成了很多大数据框架,对应产品 CDH 。 2008Hortonworks 文档较好,对应产品 HDP 。 2011Hortonworks 现在已经被 Cloudera 公司收购,推出新的品牌 CDP 。(1 ) Apache Hadoop官网地址: http://hadoop.apache.org下载地址: https://hadoop.apache.org/releases.html(2 ) Cloudera Hadoop官网地址: https://www.cloudera.com/downloads/cdh下载地址: https://docs.cloudera.com/documentation/enterprise/6/releasenotes/topics/rg_cdh_6_download.html( 1 ) 2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司,为合作伙伴提供 Hadoop 的商用解决方案,主要是包括支持、咨询服务、培训。(2 ) 2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司 。 Cloudera 产品主要为 CDH , Cloudera Manager , Cloudera Support(3 ) CDH 是 Cloudera 的 Hadoop 发行版,完全开源,比 Apache Hadoop 在兼容性,安全性,稳定性上有所增强。 Cloudera 的标价为每年每个节点 10000 美元 。(4 ) Cloudera Manager 是集群的软件分发及管理监控平台,可以在几个小时内部署好一个 Hadoop 集群,并对集群的节点及服务进行实时监控。(3 ) Hortonworks Hadoop官网地址: https://hortonworks.com/products/data-center/hdp/下载地址: https://hortonworks.com/downloads/#data-platform( 1 ) 2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。(2 )公司成立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师,上述工程师均在 2005 年开始协助雅虎开发 Hadoop ,贡献了 Hadoop80% 的代码。(3 ) Hortonworks 的主打产品是 Hortonworks Data Platform ( HDP ),也同样是 100% 开(4 ) 2018 年 Hortonworks 目前 已经被 Cloudera 公司收购
1.4 Hadoop优势(4高)
1.5 Hadoop 组成(面试重点)
1.5.1 HDFS 架构概述
Hadoop Distributed File System ,简称 HDFS ,是一个分布式文件系统(1 ) 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。(2 ) 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 。(3 ) Secondary NameNode(2nn) : 每隔一段时间对 NameNode 元数据备份 。简单的说就是NameNode就相当于一个目录,一个索引,负责标记每一个DataNode的存放位置而DataNode才是真正存放数据的, Secondary NameNode(2nn) :相当与老板的一个秘书,他会备份 一部分 数据,不会备份全部数据。1.5.2 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。1.5.3 MapReduce 架构概述
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
1.5.4 HDFS、YARN、MapReduce 三者关系
HDFS
YARN
用户提交任务,任务给到ResourceManager,ResourceManager 会找一个节点NodeManager,开启一个Container ,把任务(App Mstr)放在Container App Mstr会向
ResourceManager申请说自己需要多少资源 ResourceManager 看哪一个DataNode有资源,给他分配资源 之后 App Mstr 会在被分配的资源节点上开启计算任务(MapTask ),这个其实就是MapReduce 的map阶段,之后会返回一个Reduce到各自对应的节点,这就是他们三者之间的关系
1.6 大数据技术生态体系
图中涉及的技术名词解释如下:
1.7 推荐系统框架图
假如说购买一个东西,打开京东首页,购买一个东西,这个购买行为会被记录下来,通过Nginx负载均衡打入到日志收集中,这种用户行为数据通常是用文件形式存储的,然后Flume进行日志收集
采集完之后,给Kafka 进行一个消息的缓冲,缓冲后,由于我们推荐系统具有实时性,所以走
Spark Streaming ,或
Flink进行实时计算,(用户是想购买呢,还是什么行为,以及下次给他推荐什么样的商品能够促进他的消费),将计算结果返回到后台,这个结果你可以用数据库或者是分析结果文件的形式存储,然后再被推荐业务的后台读走数据,最终反馈到前台页面展示出来!
本篇博客是在进行尚硅谷大数据相关课程学习后,加上自己的一些理解得出的一篇博客,希望能给学习Hadoop同学一些启发!
更多推荐
已为社区贡献1条内容
所有评论(0)