好程序員大數據學習路線分享hadoop常用四大模塊文件

　　1.1.1core-site.xml(工具模塊)

　　包括Hadoop常用的工具類，由原來的Hadoopcore部分更名而來。主要包括系統配置工具Configuration、遠程過程調用RPC、序列化機制和Hadoop抽象文件系統FileSystem等。它們為在通用硬件上搭建云計算環境提供基本的服務，并為運行在該平臺上的軟件開發提供了所需的API。

　　?

　　1.1.2hdfs-site.xml(數據存儲模塊)

　　分布式文件系統，提供對應用程序數據的高吞吐量，高伸縮性，高容錯性的訪問。是Hadoop體系中數據存儲管理的基礎。它是一個高度容錯的系統，能檢測和應對硬件故障，用于在低成本的通用硬件上運行。HDFS簡化了文件的一致性模型，通過流式數據訪問，提供高吞吐量應用程序數據訪問功能，適合帶有大型數據集的應用程序。

　　namenode+ datanode + secondarynode

　　?

　　1.1.3mapred-site.xml(數據處理模塊)

　　基于YARN的大型數據集并行處理系統。是一種計算模型，用以進行大數據量的計算。Hadoop的MapReduce實現，和Common、HDFS一起，構成了Hadoop發展初期的三個組件。MapReduce將應用劃分為Map和Reduce兩個步驟，其中Map對數據集上的獨立元素進行指定的操作，生成鍵-值對形式中間結果。Reduce則對中間結果中相同“鍵”的所有“值”進行規約，以得到最終結果。MapReduce這樣的功能劃分，非常適合在大量計算機組成的分布式并行環境里進行數據處理。

　　?

　　1.1.4yarn-site.xml(作業調度+資源管理平臺)

　　?任務調度和集群資源管理

　　???????resourcemanager + nodemanager

　　?

　　1.2hadoop 五大節點:

　　1.2.1NameNode(管理節點)

　　?Namenode 管理著文件系統的命令空間(Namespace)。它維護著文件系統樹(filesystemtree)以及文件樹中所有的文件和文件夾的元數據(metadata),元數據包括編輯日志(edits)和鏡像文件(fsimage)。管理這些信息的文件有兩個，分別是Namespace 鏡像文件(fsimage)和編輯日志文件(edits)，編輯日志主要是記錄對hdfs進行的修改.鏡像文件主要是記錄hdfs的文件樹形結構.這些信息被Cache在RAM中，當然，這兩個文件也會被持久化存儲在本地硬盤。Namenode記錄著每個文件中各個塊所在的數據節點的位置信息，但是他并不持久化存儲這些信息，因為這些信息會在系統啟動時從數據節點重建。

　　?

　　1.2.2DataNode(工作節點)

　　?Datanode是文件系統的工作節點，他們根據客戶端或者是namenode的調度存儲和檢索數據，并且定期向namenode發送他們所存儲的塊(block)的列表。

　　?沒有namenode,文件系統是無法使用的.事實上,如果運行namenode服務的服務器壞掉,文件系統上的所有文件將會丟失.因為我們不知道如何根據DataNode的塊進行重建文件.所有,對NameNode進行容錯冗余機制是非常重要的.

　　?集群中的從節點服務器都運行一個DataNode后臺程序，這個后臺程序負責把HDFS數據塊讀寫到本地的文件系統。當需要通過客戶端讀/寫某個數據時，先由NameNode告訴客戶端去哪個DataNode進行具體的讀/寫操作，然后，客戶端直接與這個DataNode服務器上的后臺程序進行通信，并且對相關的數據塊進行讀/寫操作。

　　?

　　1.2.3secondary NameNode(相當于MySQL數據庫中主從復制的從節點)

　　?Secondary? NameNode是一個用來監控HDFS狀態的輔助后臺程序。和NameNode一樣，每個集群都有一個Secondary? NameNode，并且部署在一個單獨的服務器上。Secondary? NameNode不同于NameNode，它不接受或者記錄任何實時的數據變化，但是，它會與NameNode進行通信，以便定期地保存HDFS元數據的快照。由于NameNode是單點的，通過Secondary? NameNode的快照功能，可以將NameNode的宕機時間和數據損失降低到最小。同時，如果NameNode發生問題，Secondary? NameNode可以及時地作為備用NameNode使用。

　　?

　　1.2.4ResourceManager

　　?ResourceManage 即資源管理，在YARN中，ResourceManager負責集群中所有資源的統一管理和分配，它接收來自各個節點（NodeManager）的資源匯報信息，并把這些信息按照一定的策略分配給各個應用程序（實際上是ApplicationManager）。

　　????RM包括Scheduler（定時調度器）和ApplicationManager（應用管理器）。Schedular負責向應用程序分配資源，它不做監控以及應用程序的狀態跟蹤，并且不保證會重啟應用程序本身或者硬件出錯而執行失敗的應用程序。ApplicationManager負責接受新的任務，協調并提供在ApplicationMaster容器失敗時的重啟功能.每個應用程序的AM負責項Scheduler申請資源，以及跟蹤這些資源的使用情況和資源調度的監控

　　?

　　1.2.5Nodemanager

　　?NM是ResourceManager在slave機器上的代理，負責容器管理，并監控它們的資源使用情況，以及向ResourceManager/Scheduler提供資源使用報告

　　HDFS文件存儲機制:

　HDFS集群分為兩大角色:NameNode、DataNode、（secondary NameNode）

　NameNode負責管理整個文件系統的元數據

DataNode負責管理用戶的文件數據塊

　文件會按照固定的大小切成若干塊后分布式存儲在若干臺DataNode上

　每一個文件塊可以有多個副本,并存放在不同的DataNode上

　DataNode會定期向NameNode匯報自身所保存的文件block信息,而NameNode則會負責保持文件的副本數量

　HDFS的內部工作機制對客戶端保持透明,客戶端請求訪問HDFS都是通過向NameNode申請來進行