Hadoop学习笔记（一）——Hadoop体系结构

HDFS和MapReduce是Hadoop的两大核心。

整个Hadoop体系结构主要是通过HDFS来实现分布式存储的底层支持的，而且通过MapReduce来实现分布式并行任务处理的程序支持。

一、HDFS体系结构

HDFS採用了主从(Master/Slave)结构模型。一个HDFS集群是由一个NameNode和若干个DataNode组成的。当中，NameNode作为主server。管理文件系统的命名空间和client对文件的訪问操作；集群中的DataNode管理存储的数据。HDFS典型的部署是在一个专门的机器上执行NameNode，集群中的其它机器各执行一个DataNode。也能够在执行NameNode的机器上同一时候执行DataNode。或者一台机器上执行多个DataNode。

一个集群仅仅有一个NameNode的设计大大简化了系统架构。

从终于用户的角度来看，它就像传统的文件系统一样。能够通过文件夹路径对文件运行CRUD(Create/Read/Update/Delete)操作。

NameNode管理文件系统的元数据，DataNode存储实际的数据。

client通过同NameNode和DataNodes交互訪问文件系统。client联系NameNode以获取文件的元数据，而真正的文件I/O操作时直接和DataNode进行交互的。

下图为HDFS体系结构：



文件写入(Orclient文件上传)：

1、Client向NameNode发起文件写入的请求。

2、NameNode依据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。

3、Client将文件划分为多个Block，依据DataNode的地址信息，按顺序写入到每个DataNode块中。

文件读取：

1、Client向NameNode发起文件读取的请求。

2、NameNode返回文件存储的DataNode的信息。

3、Client读取文件信息。

client：将文件切分为block依次上传；与NameNode交互获取文件位置信息。与DataNode交互读取或者写入文件。管理和訪问HDFS

二、MapReduce体系结构

MapReduce是一种并行编程模式，利用这样的模式软件开发人员能够轻松编写出分布式并行程序。在Hadoop体系结构中，MapReduce是一个简单易行的软件框架。基于它能够将任务分发到由上千台商用机器组成的集群上，并以一种可靠容错的方式并行处理大量数据集，实现Hadoop并行任务处理能力。

MapReduce框架是由一个单独执行在主节点的JobTracker和执行在每一个集群从节点的TaskTracker共同组成的。主节点负责调度构成一个作业的全部任务，这些任务分布在不同的从节点上。

主节点监控他们的执行情况，而且又一次执行之前失败的任务；从节点仅负责由主节点指派的任务。

当一个Job被提交时，JobTracker接收到提交作业和其配置信息之后，就会将配置信息等分发给从节点，同一时候调度任务并监控TaskTracker的运行

兴许会不断完好补充……