hadoop的三大结构及各自的作用

1. HDFS（Hadoop Distributed File System）

结构：

• NameNode：是HDFS的主节点，负责管理文件系统的元数据（如文件和目录的结构、文件块的存储位置等）。它维护着文件系统树以及文件树中所有文件和文件夹的元数据。

• DataNode：是HDFS的从节点，负责存储实际的数据块。数据会被分割成固定大小的块（默认是128MB），然后分散存储在不同的DataNode上。

• Secondary NameNode：辅助NameNode，帮助NameNode进行元数据的检查点操作，定期合并fsimage（文件系统镜像）和editlog（编辑日志），减轻NameNode的压力。

作用：

• 高容错性：通过在多个DataNode上存储数据的多个副本（默认是3副本），HDFS能够自动保存多个副本，当某个节点出现故障时，可以从其他副本中恢复数据。

• 高吞吐量：适合大规模数据集的处理，能够以较高的吞吐量来访问数据。它通过分布式存储，将数据分散到多个节点上，从而提高数据的读写效率。

• 适合大数据存储：能够存储海量的数据，支持大规模数据的存储和处理。

• 高可靠性：通过NameNode对元数据的管理和DataNode对数据块的存储，保证了数据的完整性和可靠性。

2. MapReduce

结构：

• JobTracker：在早期版本的Hadoop中，负责调度和管理MapReduce作业。它会将作业分解为多个任务，并分配给TaskTracker去执行。

• TaskTracker：负责执行具体的Map和Reduce任务，并将任务的执行情况汇报给JobTracker。

• 在Hadoop 2.x及以后版本中，MapReduce的资源管理职责被转移到了YARN框架中，由YARN的ResourceManager和NodeManager来管理资源分配和任务调度。

作用：

• 分布式计算：MapReduce是一种分布式计算模型，能够将大规模数据的处理任务分解为多个小任务，并在多个节点上并行执行，从而提高计算效率。

• 易于编程：提供了简单的编程模型，用户只需要编写Map函数和Reduce函数，就可以实现大规模数据的处理。Map函数负责处理输入的键值对，生成中间结果；Reduce函数负责对中间结果进行归并，生成最终结果。

• 高效处理大规模数据：适合处理海量数据，能够高效地对大规模数据进行批处理。通过分布式计算，将数据分散到多个节点上进行处理，大大提高了数据处理的速度。

• 容错性：具有良好的容错机制，当某个节点出现故障时，会自动重新分配任务到其他正常节点上执行，保证作业的正常完成。

3. YARN（Yet Another Resource Negotiator）

结构：

• ResourceManager：是YARN的主节点，负责整个集群的资源管理和调度。它会接收应用程序的资源请求，并根据资源分配策略将资源分配给各个应用程序。

• NodeManager：是YARN的从节点，运行在每个节点上，负责管理单个节点上的资源（如CPU、内存等），并接收ResourceManager的指令来启动或停止应用程序的容器（Container）。

• ApplicationMaster：是每个应用程序的管理组件，负责协调应用程序的运行，向ResourceManager申请资源，并与NodeManager通信以启动和管理应用程序的容器。

作用：

• 资源管理：负责管理集群中的资源（如CPU、内存等），并根据应用程序的需求合理分配资源。通过ResourceManager和NodeManager的协同工作，能够有效地管理集群资源，提高资源利用率。

• 任务调度：根据资源分配策略和应用程序的优先级，合理地调度任务。它能够动态地分配资源，使得多个应用程序可以同时运行，提高集群的利用率和吞吐量。

• 多框架支持：除了支持MapReduce框架外，还支持其他计算框架（如Spark、Flink等）。不同的计算框架可以通过YARN来申请资源，从而实现多种计算框架在同一集群上的运行，提高了集群的通用性和灵活性。

• 高可用性：通过ResourceManager的高可用性配置，可以避免单点故障，保证集群的稳定运行。当主ResourceManager出现故障时，备用ResourceManager可以接管集群的管理，保证集群的正常运行。