[大数据]Hadoop3.x概述

工具:idea
想要详细了解Hadoop的话，视频链接：https://www.bilibili.com/video/BV1Qp4y1n7EN?p=7
1、概念
什么是hadoop？

1. Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2. 主要解决，海量数据的存储和海量数据的分析计算问题。
3. 广义上说，hadoop通常是指一个更广泛的概念—hadoop生态圈。
   发展史
4. Hadoop创始人doug cutting，为了实现与Google类似的全文搜索功能，他在Lucene框架基础上进行优化升级，查询引擎和索引引擎。
5. 2001年年底Lucene成为Apache基金会的一个子项目。
6. 对于海量数据的场景，Lucene框架面对与Google同样的困难，存储海量数据困难，检索海量数度慢。
7. 学习和模仿Google解决问题的办法：微型版Nutch。
8. 可以说Google是hadoop的思想之源。Google在大数据方面的三篇论文：
   GFS?HDFS、 Map-Reduce?MR、 BigTable?HBase
9. 2003-2004年，Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。
10. 2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会。
11. 2006年3月份，Map-Reduce和Nutch Distributed File System（NDFS）分别被纳入Hadoop项目中，Hadoop就此正式诞生，标志着大数据时代来临。
12. 名字来源于Doug Cutting儿子的玩具大象。
    三大发行版本
    Hadoop三大发行版本：Apache、Cloudera、Hortonworks。
    Apache版本最原始（最基础）的版本，对于入门学习最好。2006
    Cloudera内部集成了很多大数据框架，对应产品CDH。2008
    Hortonworks文档较好，对应产品HDP。2011
    Hortonworks现在已经被Cloudera公司收购，推出心的品牌CDP。2018
13. Apache Hadoop
    官网地址：http://hadoop.apache.org
    下载地址：https://hadoop.apache.org/releases.html
14. Cloudera Hadoop
    官网地址：https://www.cloudera.com/downloads/cdh
    下载地址：https://docs.cloudera.com/documentation/enterprise/6/release-notes/topics/rg_cdh_6_download.html
    （1）2008年成立的Cloudera是最早将Hadoop商用的公司，为合作伙伴提供Hadoop的商用解决方案，只要是包括支持、咨询服务、培训。
    （2）2009年Hadoop的创始人Doug Cutting也加盟Cloudera公司。Cloudera产品主要为CDH，Cloudera Manager，ClouderaSupport
    （3）CDH是Cloudera的Hadoop发行版，完全开源，比Apache Hadoop在兼容性，安全性，稳定性上有所增强。Cloudera的标价为每年每个节点10000美元。
    （4）Cloudera Manager是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop集群，并对集群的节点及服务进行实时监控。
15. Hortonworks Hadoop
    官网地址：https://hortonworks.com/products/data-center/hdp/
    下载地址：https://hortonworks.com/downloads/#data-platform
    （1）2011年成立的Hortonworks是雅虎与硅谷风投公司BenchmarkCapital合资组建。
    （2）公司成立之初就吸纳了大约20至30名专门研究Hadoop的雅虎工程师，上述工程师均在2005年开始协助雅虎开发Hadoop，贡献了80%的代码。
    （3）Hortonworks的主打产品是Hortonworks DataPlatform（HDP），也同样是100%开源的产品，HDP除常见的项目外还包括了Ambari，一款开源的安装和管理系统。
    （4）2018年Hortonworks目前已被Cloudera公司收购。
    Hadoop优势
16. 高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
17. 高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
18. 高效性：在MAPReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
19. 高容错性：能够自动将失败的任务重新分配。
    Hadoop组成
    Hadoop1.x组成：Common辅助工具、HDFS数据存储、MAPReduce计算+资源调度。
    Hadoop2.x组成：Common辅助工具、HDFS数据存储、Yarn资源调度、MAPReduce计算
    Hadoop3.x组成：Common辅助工具、HDFS数据存储、Yarn资源调度、MAPReduce计算
    HDFS架构概述
    Hadoop Distributed File System,简称HDFS，是一个分布式文件系统
20. NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限）以及每个文件的块列表和块所在的DataNode等。
21. DataNode（dn）：在本地文件系统存储文件块数据，以及块数据的校验和。
22. Secondary NameNode（2nn）：每隔一段时间对NameNode元数据备份。
    YARN构架概述
    Yet Another Resource Negotiator,简称YARN，另一种资源协调者，是Hadoop的资源管理器。
23. ResourceManager（RM）：整个集群资源（内存、CPU等）的老大。
24. NodeManager（NM）：单个节点服务器资源老大。
25. ApplicationMaster（AM）：单个任务运行的老大。
26. Container：容器，相当一台独立的服务器，里面封装任务运行所需要的资源，如内存、CPU、磁盘、网络等。
    客户端可以有多个，集群上可以运行多个ApplicationMaster，每个NodeManager上可以有多个NodeManager
    MapReduce架构概念
    MapReduce将计算过程分为两个阶段：Map和Reduce
27. Map阶段并行处理输入数据。
28. Reduce阶段对Map结果进行汇总。
    HDFS、YARN、MapReduce三者之间的关系
    

大数据技术生态体系
数据库（结构化数据）：Sqoop数据传递、、
文件日志（半结构化数据）：Flume日志收集、、、
视频、PPT等（非结构化数据）：Kafka消息队列、、
数据来源层：数据传输层、、

推荐系统项目框架