2024-01-31(MapReduce,YARN)

1.MapReduce --- 分布式计算框架

MapReduce是分散--->汇总模式的分布式框架,可以供开发人员开发相关程序进行分布式数据计算

MapReduce提供了2个编程接口:Map接口,Reduce接口

其中,Map接口提供了"分散"功能,由服务器分布式对数据进行处理;Reduce提供了"汇总"功能将分布式的处理结果汇总统计。

程序员如果需要使用MapReduce框架完成自定义需求的c程序开发,只需要使用java,Python等语言实现MapReduce中的两个接口即可。(但现在没人写了,过时)

2.MapReduce的运行机制:

将要执行的需求,分解为多个Map Task和Reduce Task,然后将Map Task

3.YARN概述(分布式资源调度组件):

资源:服务器的硬件资源,CPU,内存,硬盘,网络等。

资源调度:管控服务器的硬件资源,提供更好的利用率。

分布式资源调度:管控整个分布式服务器集群的全部资源,整合进行统一调度。

4.YARN架构:主从架构,两种角色

主角色(Master):ResourceManager,整个集群的资源调度者,负责协调各个程序所需资源。

从角色(Slave):NodeManager,单个服务器的资源调度者,管理分配单个服务器的资源,即创建管理容器,由容器提供资源供程序使用。

大致流程:

5.YARN容器

容器(Container)是YARN的NodeManager在所属服务器上分配资源的手段。创建一个资源容器,即由NodeManager占用这部分资源,然后应用程序运行在NodeManager创建的这个容器内部,应用程序无法突破容器的资源限制。

6.YARN的辅助角色

YARN架构中除了核心角色(ResourceManager,NodeManager),还可以搭配两个辅助角色使得YARN运行的更加稳定:

代理服务器:减少对YARN的网络攻击

历史服务器:记录历史运行的程序信息以及产生的日志并提供WEB UI站点供用户使用浏览器查看

7.Apache Hive(分布式SQL计算平台)

SQL语句用来做统计分析很方便,相比于Java和Python语言。

但是MapReduce只支持java和python,不支持sql。因此出现了Apache Hive,简单来说它的作用就是将SQL语句翻译成MapReduce程序来运行。

8.为什么要使用Hive

使用Hadoop 的 MapReduce直接处理数据所面临的问题:

1)学习Java,python等编程语言成本高

2)MapReduce实现复杂的查询逻辑开发难度比较大

使用Hive来处理数据的好处

1)操作接口采用类SQL语法 ,提供快速开发的能力(简单

2)底层执行MapReduce,可以完成分布式海量数据的SQL处理

9.基于MapReduce构建分布式SQL执行引擎,主要需要组件:

元数据管理

SQL解析器

10.Hive基础架构

元数据存储 :通常是存储在关系数据库如mysql/derby中。Hive中的元数据包括表的名字,表的列和分区及其属性,表的属性,表的数据所在目录等。Hive提供了Metastore服务进程来提供元数据管理的功能。

SQL解析器(Driver驱动程序):完成SQL解析,执行优化,代码提交等功能。

用户接口:提供用户和Hive交互的功能。

11.Hive是单机运行的,只需要部署在一台服务器即可。虽然Hive是单机的,但是它可以提交分布式运行的MapReduce程序运行。

相关推荐
Yz98762 小时前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
武子康2 小时前
大数据-230 离线数仓 - ODS层的构建 Hive处理 UDF 与 SerDe 处理 与 当前总结
java·大数据·数据仓库·hive·hadoop·sql·hdfs
武子康2 小时前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
JessieZeng aaa14 小时前
CSV文件数据导入hive
数据仓库·hive·hadoop
Yz987621 小时前
hive复杂数据类型Array & Map & Struct & 炸裂函数explode
大数据·数据库·数据仓库·hive·hadoop·数据库开发·big data
EDG Zmjjkk1 天前
Hive 函数(实例操作版2)
数据仓库·hive·hadoop
那一抹阳光多灿烂2 天前
Spark核心组件解析:Executor、RDD与缓存优化
hadoop·spark
Yz98762 天前
Hive分桶超详细!!!
大数据·数据仓库·hive·hadoop·hdfs·数据库开发·big data
Francek Chen2 天前
【大数据技术基础 | 实验十一】Hive实验:新建Hive表
大数据·数据仓库·hive·hadoop·分布式
出发行进2 天前
Flink错误:一historyserver无法启动,二存在的文件会报错没有那个文件或目录
大数据·linux·hadoop·flink·虚拟机