Hadoop简介
Hadoop是一个分布式系统基础架构，主要解决海量数据的存储和分析计算的问题。Hadoop已经形成了其自己的生态圈。
Hadoop诞生
诞生于谷歌的三篇论文GFS，MapReduce，BigTable
Hadoop优势
- 高可靠性
单节点宕机，数据可回复 - 高扩展性
可以动态的扩展结点 - 高效性
并行工作，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
Hadoop组成
HDFS概述
HDFS由三部分组成
- NameNode（nn）：存储文件的元数据（文件名，文件目录属性，文件属性，文件的块列表和块所在的DataNode）
- DataNode（dn）：再本地文件系统存储文件块数据，一级块数据的校验和
-
SecondaryNode（2nn）：每段时间对nn的元数据进行复制
image.png
Yarn概述
Yet Another Resource Negotiator简称YARN ，另一种资源（CPU，内存等）协调者，是Hadoop的资源管理器。
MapReduce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
HDFS，MapReduce，Yarn直接的协作
大数据生态体系
图中涉及的技术名词解释如下：
1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；
3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统；
4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。
5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
6）Oozie：Oozie是一个管理Hadoop作业（job）的工作流程调度管理系统。
7）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。
