hadoop简介
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |
文章目录
1hadoop简介
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下开发分布式程序。充分利用集群的威力进行高速运算和存储。主要解决海量数据的存储和海量数据的分析计算问题
并行计算的架构
分布式计算的核心思想就是分而治之先分后和
2Hadoop系统
2.1hadoop架构
Hadoop核心三剑客
HDFS:数据存储
YARN:系统资源分配管理
MapReduce:计算
1MapReduce
本身就是用于并行处理大数据集的软件框架。MapReduce 的根源是函数性编程中的 map 和 reduce 函数。它由两个可能包含有许多实例许多 Map 和 Reduce的操作组成。Map 函数接受一组数据并将其转换为一个键/值对列表输入域中的每个元素对应一个键/值对。Reduce 函数接受 Map 函数生成的列表然后根据它们的键为每个键生成一个键/值对缩小键/值对列表 [6] 。
mapreduce运行时会有MrAppMaste、MapTask、ReduceTask三个进程存在
map:切割处理
reduce:合并归约
2YARN架构
Resource Manager整个集群资源的统一管理者
Node Manager单个节点服务器的资源管理者
App Mstr单个任务运行的管理者
Container相当于一台独立服务器里面有任务运行所需要的资源比如CPU、磁盘、网络等
3HDFS
2.2HDFS、YARN、MapReduce三者关系
工作过程概述
1.用户向YARN中提交应用程序其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等
2.ResourceManager为该应用程序分配第一个Container并与对应的Node-Manager通信要求它在这个Container中启动应用程序ApplicationMaster
3.ApplicationMaster首先向ResourceManager注册这样用户可以直接通过ResourceManager查看应用程序的运行状态然后它将为各个任务申请资源并监控它的运行状态直到运行结束即重复步骤4~7
4.ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源
5.一旦ApplicationMaster申请到资源后便与对应的NodeManager通信要求它启动任务
6.NodeManager为任务设置好运行环境包括环境变量、JAR包、二进制程序等后将任务启动命令写到一个脚本中并通过运行该脚本启动任务MapTask
7.各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度以让ApplicationMaster随时掌握各个任务的运行状态从而可以在任务失败时重新启动任务。在应用程序运行过程中用户可随时通过RPC向ApplicationMaster查询应用程序的当前运行状态
8.最后经过ReduceTask将结果返回写到磁盘HDFS做相应的存储
9.应用程序运行完成后ApplicationMaster向ResourceManager注销并关闭自己
