1.2 Hadoop核心组件

  • Hadoop是所有搜索引擎的共性问题的廉价解决方案

    • 如何存储持续增长的海量网页: 单节点 V.S. 分布式存储
    • 如何对持续增长的海量网页进行排序: 超算 V.S. 分布式计算
    • HDFS 解决分布式存储问题
    • MapReduce 解决分布式计算问题

  • Hadoop Common: The common utilities that support the other Hadoop modules.(hadoop的核心组件)

  • Hadoop Distributed File System (HDFS™): A distributed file system that provides high-throughput access to application data.(分布式文件系统)
    • 源自于Google的GFS论文, 论文发表于2003年10月
    • HDFS是GFS的开源实现
    • HDFS的特点:扩展性&容错性&海量数量存储
    • 将文件切分成指定大小的数据块, 并在多台机器上保存多个副本
    • 数据切分、多副本、容错等操作对用户是透明的
  • 下面这张图是数据块多份复制存储的示意
    • 图中对于文件 /users/sameerp/data/part-0，其复制备份数设置为2, 存储的BlockID分别为1、3。
    • Block1的两个备份存储在DataNode0和DataNode2两个服务器上
    • Block3的两个备份存储在DataNode4和DataNode6两个服务器上

  • Hadoop MapReduce: A YARN-based system for parallel processing of large data sets.

    • 分布式计算框架
    • 源于Google的MapReduce论文，论文发表于2004年12月
    • MapReduce是GoogleMapReduce的开源实现
    • MapReduce特点:扩展性&容错性&海量数据离线处理

  • Hadoop YARN: A framework for job scheduling and cluster resource management.(资源调度系统)

    • YARN: Yet Another Resource Negotiator

    • 负责整个集群资源的管理和调度

    • YARN特点:扩展性&容错性&多框架资源统一调度

results matching ""

    No results matching ""