day1113

2.5.2HDFS架构

1. 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）

2.5.3YARN架构

1）ResourceManager 作用：

1. 处理客户端请求
2. 监控NodeManager
3. 启动或监控ApplicationManager
4. 资源的分配与调度

2. NodeManager 作用：

1. 管理单个节点上的资源
2. 处理来自ResouseManager
3. 处理来自ApplicationMaster的命令

3. ApplicationMaster（AM)作用如下

1. 负责数据的切分
2. 为应用程序申请资源并分配给内部的任务
3. 任务的监控与容错

4. Container
   Container 是YARN 中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网盘等。

2.5.3 MapReduce架构

MapReduce 将计算的过程分为两个阶段：Map 和 Reduce
1） Map阶段 并行处理 输入数据
2） Reduce 阶段对Map 结果进行汇总

2.6大数据生态体系

1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySql）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；
3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统；
4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。
5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
6）Oozie：Oozie是一个管理Hdoop作业（job）的工作流程调度管理系统。
7）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。