告诉你Hadoop是什么

运维 系统运维 Hadoop
Hadoop是什么?Hadoop是一个开发和运行处理大规模数据的软件平台,是Appach的一个用java语言实现开源软件框架,实现在大量计算机组成的集群中对海量数据进行分布式计算.

Hadoop是什么?Hadoop是一个开发和运行处理大规模数据的软件平台,是Appach的一个用java语言实现开源软件框架,实现在大量计算机组成的集群中对海量数据进行分布式计算.

Hadoop框架中最核心设计就是:HDFS和MapReduce.HDFS提供了海量数据的存储,MapReduce提供了对数据的计算.

数据在Hadoop中处理的流程可以简单的按照下图来理解:数据通过Haddop的集群处理后得到结果.

HDFS:Hadoop Distributed File System,Hadoop的分布式文件系统.
大文件被分成默认64M一块的数据块分布存储在集群机器中.

如下图中的文件 data1被分成3块,这3块以冗余镜像的方式分布在不同的机器中.

MapReduce:Hadoop为每一个input split创建一个task调用Map计算,在此task中依次处理此split中的一个个记录(record),map会将结果以key--value的形式输出,hadoop负责按key值将map的输出整理后作为Reduce的输入,Reduce Task的输出为整个job的输出,保存在HDFS上.

Hadoop的集群主要由 NameNode,DataNode,Secondary NameNode,JobTracker,TaskTracker组成.

如下图所示:

NameNode中记录了文件是如何被拆分成block以及这些block都存储到了那些DateNode节点.

NameNode同时保存了文件系统运行的状态信息. 

DataNode中存储的是被拆分的blocks.

Secondary NameNode帮助NameNode收集文件系统运行的状态信息.

JobTracker当有任务提交到Hadoop集群的时候负责Job的运行,负责调度多个TaskTracker.

TaskTracker负责某一个map或者reduce任务.

 

责任编辑:黄丹 来源: Linux社区
相关推荐

2019-07-24 11:21:18

Node.jsHTMLCSS

2020-11-18 19:25:01

2015-06-09 14:49:38

2022-04-29 08:00:36

web3区块链比特币

2010-06-03 11:34:42

Hadoop

2009-06-12 13:59:04

2021-02-27 10:38:56

Python结构数据

2018-03-29 10:19:45

2019-07-09 14:49:42

SaaS软件云计算

2010-08-26 17:46:33

谷歌

2014-10-16 09:30:31

RFID

2021-04-15 09:37:05

大数据Maven

2015-03-02 10:08:09

Apple Watch

2020-03-03 17:00:58

HDFS存储数据

2019-08-09 16:01:18

Hadoop数据库

2023-10-07 00:18:05

2013-10-10 17:22:51

开源开源软件

2021-01-27 14:10:08

大数据年货网购

2021-03-18 14:34:34

达达集团京东云电商

2021-09-26 05:41:13

数字困境IT领导数字转型
点赞
收藏

51CTO技术栈公众号