复习打卡大数据篇——Apache Hadoop

1. Hadoop简介

Hadoop概念:

Hadoop是一个分布式系统基础架构,主要是为了解决海量数据的存储和海量数据的分析计算问题。组件包括:HDFS,是一个具有高可靠性、高吞吐量的分布式文件系统,用于数据存储;MapReduce用于处理业务逻辑运算;YARN负责作业调度与集群资源管理。

Hadoop特性:

  • **扩容能力:**Hadoop是在可用的计算机集群间分配数据并完成计算任务的,这些集群可用方便的扩展到数以千计的节点中。
  • **成本低:**Hadoop通过普通廉价的机器组成服务器集群来分发以及处理数据,以至于成本很低。
  • **高效率:**通过并发数据,Hadoop可以在节点之间动态并行的移动数据,使得速度非常快。
  • **可靠性:**能自动维护数据的多份复制,并且在任务失败后能自动地重新部署(redeploy)计算任务。所以Hadoop的按位存储和处理数据的能力值得人们信赖。

Hadoop集群简介:

HADOOP集群具体来说包含两个集群:HDFS集群和YARN集群,两者逻辑上分离,但物理上常在一起。

HDFS集群:解决了海量数据存储 分布式存储系统

  • 主角色:namenode(NN)
  • 从角色:datanode(DN)
  • 主角色辅助角色"秘书角色":secondarynamenode (SNN)

YARN集群:集群资源管理 任务调度

  • 主角色:resourcemanager(RM)
  • 从角色:nodemanager(NM)

Hadoop部署模式:

  • **Standalone mode(独立模式):**又称为单机模式,仅1个机器运行1个java进程,主要用于调试。
  • **Pseudo-Distributed mode(伪分布式模式):**也是在1个机器上运行HDFS的NameNode和DataNode、YARN的 ResourceManger和NodeManager,但分别启动单独的java进程,主要用于调试。
  • **Cluster mode(集群模式):**集群模式主要用于生产环境部署。会使用N台主机组成一个Hadoop集群。这种部署模式下,主节点和从节点会分开部署在不同的机器上。
  • **高可用(持续可用)集群 HA :**在分布式的模式下给主角色设置备份角色,实现了容错的功能 解决了单点故障,保证集群持续可用性。

集群webUI:

一旦Hadoop集群启动并运行,可以通过web-ui进行集群查看:

  • NameNode http://nn_host:port/ 默认9870
  • ResourceManager http://rm_host:port/ 默认 8088
  • jobhistoryserver 默认 19888
相关推荐
莫彩7 小时前
Mapreduce 工业界批式计算经验汇总(下)
大数据·mapreduce
Aurora_NeAr9 小时前
Apache Iceberg数据湖基础
apache
源图客10 小时前
Apache Nutch介绍与部署编译
apache·nutch
FreeBuf_10 小时前
Apache组件遭大规模攻击:Tomcat与Camel高危RCE漏洞引发数千次利用尝试
java·tomcat·apache
爱吃面的猫11 小时前
大数据Hadoop之——Flink1.17.0安装与使用(非常详细)
大数据·hadoop·分布式
Fireworkitte12 小时前
安装 Elasticsearch IK 分词器
大数据·elasticsearch
ywyy679813 小时前
短剧系统开发定制全流程解析:从需求分析到上线的专业指南
大数据·需求分析·短剧·推客系统·推客小程序·短剧系统开发·海外短剧系统开发
jingyu飞鸟14 小时前
linux系统源代码安装apache、编译隐藏版本号
linux·运维·apache
暗影八度15 小时前
Spark流水线数据质量检查组件
大数据·分布式·spark
白鲸开源15 小时前
Linux 基金会报告解读:开源 AI 重塑经济格局,有人失业,有人涨薪!
大数据