分布式计算Hadoop简介

系统 Linux 分布式 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

2010-06-03 19:46:44

Hadoop

2012-05-21 16:28:29

LinuxHadoop

2024-03-01 09:53:34

2017-09-01 05:35:58

分布式计算存储

2017-08-10 10:17:32

Hadoop分布式搭建

2019-09-26 15:43:52

Hadoop集群防火墙

2014-07-15 11:15:44

hadoop分布式部署

2013-03-26 13:43:08

Java分布式计算

2010-06-30 16:58:24

SQL Server分

2012-08-31 16:04:11

HDFS分布式文件系统

2012-09-19 13:43:13

OpenAFS分布式文件系统

2010-06-04 18:45:43

Hadoop分布式文件

2021-04-15 11:04:13

云计算分布式边缘计算边缘计算

2021-12-20 15:44:28

ShardingSph分布式数据库开源

2009-02-06 09:38:38

memcached分布式缓存系统ASP.NET

2011-09-28 11:22:52

Hadoop

2011-07-15 17:48:27

Platform

2017-10-25 18:25:40

Hadoop伪分布式环境部署

2012-02-23 09:59:05

Hadoop分布式应用

2015-08-03 15:48:42

Hadoop大数据
点赞
收藏

51CTO技术栈公众号