Hadoop知识汇总，hadoop汇总

Hadoop知识汇总，hadoop汇总

Hadoop的两大功能：海量数据存储和海量数据分析

Hadoop2的三大核心组件是：HDFS、MapperReducer和yarn

1、HDFS：分布式文件系统海量数据存储

2、MapperReducer：运算框架，海量数据分析

3、yarn：资源调度管理集群

        HDFS工作机制：基于namenode和datanode

1、namenode:响应客户端的请求；负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）； 元数据的管理

2、datanode：存储管理用户的文件数据；定期向namenode汇报自己所持有的block信息(通过心跳机制RPC)

Namenode安全模式：1）、当nameonde发现文件block丢失的数量达到一个配置的门限时，就会进入安全模式，它在这个模式下等待datanode向它汇报block信息；2）、在 安全模式下，namenode可以提供元数据查询的功能，但是不能修改；

HDFS读流程：

1、跟namenode通信查询元数据，找到文件块所在的datanode服务器

2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流

3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）

4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件

HDFS写流程：

1、根namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在

2、namenode返回是否可以上传

3、client请求第一个 block该传输到哪些datanode服务器上

4、namenode返回3个datanode服务器ABC

5、client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端

6、client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答

7、当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。