Hadoop三剑客

1、HDFS:Hadoop的文件操作系统

HDFS主要是基于谷歌GFS演变过来的，主要实现数据的存储和管理

1.NameNode

NameNode主要存储文件的元数据 、每个文件的块列表和 块所在的DataNode

1. 元数据： 元数据是描述数据的数据，包括有：文件名、文件目录结构、文件属性(生产时间、副本数和文件权限)

2. 块列表： FileSystem的文件系统，通过这个文件系统可以查找到文件所在目录

3. 块所在的DataNode: 查找文件所在分片数

2.DataNode

DataNode主要存储数据和块数据的校验和

1. 数据： 数据是本数据节点的最主要功能

2. 块数据的校验和： 通过数据校验对数据进行校验，进而提高文件的容错性

3.Secondary NameNode

在一定的时间间隔对NameNode的元数据进行备份，当NameNode挂了本节点可以直接热启动，继续保证集群运转

2、MapReduce：Hadoop支持的计算框架

Hadoop集群通过分布式存储方式，对一个数据进行分片后进行存储。当这些数据需要进行运算处理，如果将分布式数据进行合并计算，其集群的使用效率很低，且对内部局域网络的负荷也很大。为了提高集群的运算能力，将存储节点和运算节点合并，进而让每个存储节点都拥有一定的运算能力。

1.Map

Map阶段并行处理输入数据，节点内部将存储在该节点的数据进行运算，之后通过网络对处理后的进行传输。

2.Reduce

Reduce阶段对Map结果进行汇总，Map处理的数据到Reduce合并的过程中采取归并排序，因为经过Map处理的数据已经有序，采取归并排序其时空复杂度最低。

3、Yarn：资源调度框架

Apache Hadoop YARN 是开源 Hadoop 分布式处理框架中的资源管理和作业调度技术。作为 Apache Hadoop 的核心组件之一，YARN 负责将系统资源分配给在 Hadoop 集群中运行的各种应用程序，并调度要在不同集群节点上执行的任务。

1.ResourceManager(RM)

（1）处理客户端请求

（2）监控NodeManager

（3）启动或者监控ApplicationMaster

（4）资源的分配与调度

2.NodeManager（NM）

（1）管理单个节点上的资源

（2）处理来自ResourceManager的命令

（3）处理来自ApplicationMaster的命令

3.ApplicationMaster（AM）

（1）负责数据的切分

（2）为应用程序申请资源并分配给内部的任务

（3）任务的监控与容错

4.Container

Container是Yarn中的资源抽象，它封装了某个节点上的多维度资源，包括：内存、CPU、磁盘、网络等。