1、hadoophadoop入门介绍入门介绍苏州瑞翼信息技术有限公司朱健1.hadoop why?1.数据非结构化+半结构化,传统数据库无法处理。2.数据量大，传统关系型数据库无法承载。数据库更新小部分数据,B-tree效率高。但是大量数据时，效率低。需要sort/merge来重建数据库。一个趋势：寻址时间（磁盘慢的原因）的提高远远慢于传输速率（带宽）的提高。流式读取主要取决于传输速率传输速率。1.hadoop why?传统数据库传统数据库MapReduce数据大小GBPB访问交互式、批处理批处理更新多次读写一次写入多次读写结构静态模式动态模式完整性高低横向扩展(scaling out)非线性线性
2、线性!2.hadoop版本变迁史版本变迁史2.hadoop版本变迁史版本变迁史3.一个简单的批处理分层架构一个简单的批处理分层架构(hadoop 1.x)runtime(linux,jvm)基础设施(hdfs,job,zk)基础平台层(scheduler,hbase,hive)用户网关层客户应用层(行为分析，账单，清结算等等)4.hadoop生态圈生态圈5.基础组件基础组件Hadoop Common:The common utilities that support the other Hadoop modules.Hadoop Distributed File System(HDFS):A
3、distributed file system that provides high-throughput access to application data.Hadoop YARN:A framework for job scheduling and cluster resource management.Hadoop MapReduce:A YARN-based system for parallel processing of large data sets.6.HDFS7.YARN7.YARNResourceManager(RM)：主要接收客户端任务请求，接收和监控NodeManager(NM)的资源情况汇报，负责资源的分配与调度，启动和监控ApplicationMaster(AM)。NodeManager：主要是节点上的资源管理，启动Container运行task计算，上报资源、container情况给RM和任务处理情况给AM。ApplicationMaster：主要是单个Application(Job)的task管理和调度，向RM进行资源的申请，向NM发出launch Container指令，接收NM的task处理状态信息。8.MapReduce8.MapReduce8.MapReduceQ&A
