Hadoop学习1

一.Hadoop社区版和发行版

二.Hadoop社区版版本号

一直以来，Hadoop的版本号一直困扰着广大Hadoop爱好者，各版本层出不穷。如果你想使用Apache Hadoop，你必须知道自己要使用哪个版本的Hadoop，搞清楚Hadoop版本号就尤为重要了。

三.Hadoop发行版

2009年开始Hadoop，Lutch，Lucene，Solr创始人Doug Cutting任职于Cloudera公司。
Cloudera的主要产品是Cloudera Manager(CDH)。
CDH3基于Apache Hadoop 0.20.2(简单理解为Apche Hadoop 1)；CDH4基于Apache Hadoop 0.20.3(简单理解为Apche Hadoop 2)，但是它采用新的MapReduce2.0，即Yarm。

Hortonworks 2011年成立，由Yahoo于硅谷风投公司Benchmark Capital组成。公司成立的时候吸纳了许多原来在Yahoo工作的Hadoop工程师，Apache Hadoop社区70%的代码是雅虎工程师贡献的。2006年开始Doug Cutting任职于Yahoo公司。
Hortonworks的主要产品是Hortonworks Data Platform(HDP)。
HDP主要基于Apache Hadoop 1。

四.你也可以阅读以下文档

一.Hadoop来历

2004年12月。Google发表了MapReduce论文，MapReduce允许跨服务器集群，运行超大规模并行计算。Doug Cutting意识到可以用MapReduce来解决Lucene的扩展问题。
Google发表了GFS论文。
Doug Cutting根据GFS和MapReduce的思想创建了开源Hadoop框架。
2006年1月，Doug Cutting加入Yahoo，领导Hadoop的开发。
Doug Cutting任职于Cloudera公司。
2009年7月，Doug Cutting当选为Apache软件基金会董事，2010年9月，当选为chairman。
各大企业开发自己的发行版，并为Apache Hadoop贡献代码。

二.Google-->Apache

三.Google论文

四.你也可以阅读一下文档

一.NameNode物理文件夹

二.DataNode物理文件夹

一.NameNode概述

内存中：在系统启动时，会把fsimage和editlog记录的元数据信息加装到内存中；在系统启动时，NameNode收集DataNode心跳，在内存中形成file->blocks的对应关系。
硬盘上：操作日志以fsimage和editlog的形式持久化在硬盘上。

二.fsimage editLog

editLog：客户端对文件系统每次读写等操作时，元数据节点首先修改内存中的数据结构，然后记录到editlog中。
fsimage：二进制文件；当editlog达到一定量(fs.checkpoint.size)或者距离上次归并到fsimage达到一定时间(fs.checkpoint.period)时， editlog会被归并到fsimage中。此过程被称为checkpoint。另外一个checkpoint的时间是NameNode启动时。

三.NameNode + Secondary NameNode

Secondary NameNode通知NameNode准备chekpoint。
NameNode产生edits.new，用来接受checkpoint过程中的editlog。
Secondary NameNode通过http get方式获取NameNode的fsimage与editlog。
Secondary NameNode开始合并获取的上述两个文件，产生一个新的fsimage文件fsimage.ckpt。
Secondary NameNode用http post方式发送fsimage.ckpt至NameNode。
NameNode将fsimage.ckpt与edits.new文件分别重命名为fsimage与edits，然后更新fstime，整个checkpoint过程到此结束。

四.NameNode + Checkpiont NameNode + Backup NameNode

在Hadoop 0.21.0中，Secondary NameNode被Checkpoint NameNode和Backup NameNode取代。
Checkpoint NameNode功能同Secondary NameNode，主要作用是合并元数据。
Backup NameNode：NameNode实时主动把editlog和fsimage传送给Backup NameNode，主要作用是备份。但其还不能作热备，比喻Backup NameNode的内存中未保存Block的位置信息，仍需要等DataNode上报。

五.你也可以阅读以下文章

一.数据块

HDFS默认数据块大小64M。{现在的版本已经是128M，下面不在修改了}
文件大于64M，将被分为若干份64M+其它M存储；文件小于64M，并不会占用整个64M大小，对于小文件，HDFS提供了几种解决方案：Hadoop Archive，Sequence file和CombineFileInputFormat，后面看源码时详解。

二.DataNode