概念认知：Hadoop——分布式计算平台

大家好，欢迎来到IT知识分享网。

Hadoop（分布式计算平台）

从单个服务器扩展到数千台服务器，每台机器提供本地计算和存储

存储系统

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

使用Java实现的、分布式的、可横向扩展的分布式文件系统。可存储超大文件，采用流式数据访问模式，运行于通用X86服务器上。

NameNode，是HDFS集群的管理节点，负责管理和维护HDFS集群的命名空间以及元数据信息并管理集群中的数据节点。有两个重要的文件:

EditLog，用于记录针对文件的操作（文件的创建、删除、重命名）

FSImage，用于维护整个系统的命名空间，包括数据块到文件的映射和文件的属性等

SecondaryNameNode，并不是NameNode的备份，定期将EditLog合并到FSImage，以防止EditLog过大。保存合并后的FSImage的副本，作为NameNode的检查点，但是保存的状态滞后于NameNode，因此NameNode失效后会丢失部分数据

DataNode ，数据节点，根据系统的需要存储并检索数据块，HDFS集群启动和正常运行期间定期向NameNode发送存储的块列表和心跳信息

CheckpointNode，Hadoop2.x后加入，和Secondary NameNode作用一致

BackupNode，Hadoop2.x后加入，NameNode的完全备份

HBase（Hadoop Database 数据库）

属于非关系型数据库，数据是基于列的而不是基于行，可在廉价服务器上搭建大规模结构化存储集群。

计算框架

MapReduce（离线计算框架）

把一个复杂问题分解成处理子集的子问题。“Map”对子问题分别处理得到中间结果，“Reduce”把中间结果汇总，得到最终结果。

YARN（资源管理系统）

通用的资源管理模块，可以为上层应用提供统一的资源调度和管理。使Hadoop不仅可以使用MapReduce，还可以使用Storm、Spark等计算框架。

包含两种节点：ResourceManage负责资源调度，NodeManager负责具体事务

数据仓库

Hive

基于Hadoop的数据仓库工具，将结构化的数据文件映射为数据库表。操作本质是将SQL语句转换为MapReduce程序。

数据转换与日志处理

Sqoop（数据转换工具）

将数据从外部结构化数据存储导入Hive或HBase，也可以从Hadoop中提取数据，将其导出到外部结构化数据存储。

Flume（日志处理系统）

使用基于数据流的简单灵活的架构

应用协调与工作流

ZooKeeper（分布式协调服务）

可以为分布式应用程序提供配置服务、域名服务、分布式同步等服务。

Oozie（工作流调度程序）

是一种Java Web应用程序，用于管理Hadoop作业的工作流调度。

大数据安全技术

Kerberos（网络认证协议）

基于共享秘钥对称加密，通过秘钥系统为客户机/服务器应用程序提供认证服务

LDAP（轻量目录访问协议）

提供被称为目录服务的信息服务，为应用程序提供访问、认证和授权的集中管理。

大数据即时查询与搜索

Impala（查询系统）

提供SQL语义，能查询存储在Hadoop的HDFS和HBase中的PB级大数据。使用高并发的MMP查询引擎，查询速度比Hive快得多。

Solr（搜索系统）

企业搜索平台，基于标准的开放式接口（XML、JSON、HTTP），可实现强大的搜索匹配功能。

大数据消息订阅

Kafka（消息订阅系统）

高吞吐量的分布式发布-订阅消息系统。