Hadoop：适合大数据的分布式存储与计算平台（第三讲）

1.hadoop：

作者：Doug Cutting

受Google三篇论文的启发

2.版本：

Apache： 官方版本（1.1.2），学习使用

Cloudera：在apache版本的基础上添加功能，实现商业用途

Yahoo：现在已经集中在apache的版本上

3.hadoop的核心项目

HDFS:(Hadoop Distributed File System) 分布式文件系统

MapReduce:并行计算框架

4.HDFS的架构（主从结构中，主节点负责管理。从节点负责操作）

主从结构（只有一个主节点namenode,可以有很多个从节点datanodes）

namenode负责：

接收用户的操作请求

维护文件系统的目录结构

管理文件与block之间的关系，block与datanode之间的关系

datanode负责：

存储文件

文件被分成block存储在磁盘上

为保证数据安全，文件会有多个副本

5.MapReduce的架构

主从结构（只有一个主节点JobTracker，可以用很多个从节点TaskTrackers）

JobTracker负责：

接收客户提交的计算任务

把计算任务分给TaskTracker执行

监控TaskTracker的执行情况

TaskTrackers负责：

执行JobTracker分配的计算任务

6.Hadoop的特点：

扩容能力（Scalable）:能可靠地存储和处理千兆字节（PB）数据；

成本低（Economical）:可以通过普通机器组成的服务器群来分发以及处理数据；

高效率（Efficient）:通过分发数据，hadoop可以在数据的所在节点上并行处理；

可性靠（Reliable）:hadoop能自动地维护数据的多份副本，并且在任务失败后能自动重新部署计算任务

7.Hadoop集群的物理分布

说明：

a.下方的Rack分别表示两个机柜，分别存放多个服务器，左右两机柜都连接有自己的交换机，左右两个交换机又和总的交换机连接，所以，机柜上的各个服务器之间可以互相访问;

b.机柜上两个主节点分别都独占一台服务器，而从节点组合在一起存放在一台服务器上

8.单节点物理结构

说明：左右图分别表示主节点和从节点，图中主从节点都使用linux系统的服务器，并且都运行在java虚拟机上，因为hadoop是基于java开发的

9.Hadoop部署方式

本地部署（不常用）

伪分布模式（学习使用）

集群模式（公司使用）

10.安装前准备软件

VitualVox

centos

jdk-6u24-linux-xxx.bin

hadoop-1.1.2.tar.gz

11.伪分布模式安装步骤：（6步）

关闭防火墙

修改ip

修改hostname

设置ssh自动登录

安装jdk

安装hadoop