一、什么是大数据，什么是Hadoop
大数据：指无法再一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多元化的信息资产。
数据存储单位：bit<Byte<KB<MB<GB<TB<PB<EB<ZB<YB<BB<NB<DB
大数据的特点：
-
Volume（大量）
-
Velocity（高速）
-
variety（多样）
-
Value（低价值密度）
Hadoop是一个由Apache基金会所开发的分布式系统基础框架，主要解决，海量数据的存储和海量数据的分析计算问题。
Hadoop的优势：
-
高可靠性：因为Hadoop假设计算元素和存储会垂涎故障，所以它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
扫描二维码关注公众号，回复： 2967356 查看本文章
-
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
-
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
-
高容错性：自动报错多副本数据，并且能够自动将失败的任务重新分配
二、Hadoop基本结构
Hadoop的组成：
-
Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统
-
Hadoop MapReduce：一个分布式的离线并行计算框架
-
Hadoop YARN：作业调度与集群资源管理的框架
-
Hadoop Common：支持其他模块的工具模块
HDFS架构概述：
-
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。
-
DataNode（dn）：在本地文件系统存储文件块数据，以及块数据的校验
-
Secondary NameNode（2nn）：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照
YARN架构概述：
-
ResourceManager（rm）：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度
-
NodeManager（nm）：单个节点上的资源管理、处理来自ResourceManager的命令，处理来自ApplicationMaster的命令
-
ApplicationMaster：数据切片、为应用程序申请资源、并分配给内部认为、任务监控和容错。
-
Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。
MapReduce架构概述：
-
MapReduce将计算过程分为两个阶段：Map和Reduce
-
Map阶段并行处理输入数据
-
Reduce阶段对Map结果进行汇总
-
三、大数据生态体系
