大数据开发入门笔记（一）- 初识大数据

HDFS概念

数据块：数据块是抽象块而非整个文件作为存储单元，一般设置为128M,备份*3

NameNode：主。管理文件系统的命名空间，存放文件元数据 维护着文件系统的所有文件和目录，文件与数据块的映射，记录每个文件中各个块所在数据节点的信息

DataNode：工作节点。存储并检索数据块，向NameNode更新所存储块的列表

HDFS的优点和缺点

HDFS的读写流程

HDFS的写流程

HDFS写流程

1. 客户端向NameNode发起写数据请求。

2. 分块写入DataNode节点，DataNode自动完成副本备份。

3. DataNode向NameNode汇报存储完成，NameNode通知客户端。

HDFS的读流程

HDFS读流程

    1.客户端向NameNode发起读数据请求。

    2.NameNode找出距离最近的DataNode节点信息。

    3.客户端从DataNode分块下载文件。

大数据hadoop hdfs面试简单思考题 ：

    1. hadoop数据块的大小设置为多少合适为什么？‘

       hadoop数据块的大小一般设置为128M，如果数据块设置的太小，一般的文件也会被分割为多个数据块，在访问的时候需要查找多个数据块的地址，这样的效率很低，而且如果数据块设置太小的话，会消耗更多的NameNode的内存；而如果数据块设置过大的话，对于并行的支持不是太好，而且会涉及系统的其他问题，比如系统重启时，需要从新加载数据，数据块越大，耗费的时间越长。   

    2. hadoop NameNode有哪些容错机制，如果NameNode挂掉了怎么办？

       NameNode容错机制，目前的hadoop2可以为之为HA（高可用）集群，集群里面有两个NameNode的节点，一台为主节点，一台为从节点，两者的数据时刻保持一致，当主节点出现问题时，从节点可以自动切换，用户基本感知不到，这样就避免了NameNode的单点问题。

Hadoop  MapReduce简介

MapReduce是一种编程模型，是一种编程方法，也是抽象的理论

MapReduce和YARN的关系

是Hadoop2.0以后的资源管理器，负责整个集群资源的管理和调度，所有的MapReduce程序都要通过YARN来进行调度

（1）ResourceManager

分配和调度资源；启动并监控ApplicaMaster；监控NodeManager

（2）ApplicationMaster

为MapReduce类型的程序申请资源，并分配给内部任务；负责数据的切分；监控任务的执行及容错

（3）NodeManager

管理单个节点的资源；处理来自ResourceManager的命令；处理来自ApplicationMaster的命令