轉載文章——Hadoop學習

轉載地址：http://www.iteye.com/blogs/subjects/zy19982004?page=2

一.Hadoop社區版和發行版

1. 社區版：我們把Apache社區一直開發的Hadoop稱為社區版。簡單的說就是Apache Hadoophttp://hadoop.apache.org/
2. 發行版：基於Apache Hadoop的基礎上進行商業改造的解決方案，包含一系列定製的管理工具和軟體。

二.Hadoop社區版版本號

     一直以來，Hadoop的版本號一直困擾著廣大Hadoop愛好者，各版本層出不窮。如果你想使用Apache Hadoop，你必須知道自己要使用哪個版本的Hadoop，搞清楚Hadoop版本號就尤為重要了。

三.Hadoop發行版

•  Cloudera
• 2009年開始Hadoop，Lutch，Lucene，Solr創始人Doug Cutting任職於Cloudera公司。
• Cloudera的主要產品是Cloudera Manager(CDH)。
• CDH3基於Apache Hadoop 0.20.2(簡單理解為Apche Hadoop 1)；CDH4基於Apache Hadoop 0.20.3(簡單理解為Apche Hadoop 2)，但是它採用新的MapReduce2.0，即Yarm。
• Hortonworks
• Hortonworks 2011年成立，由Yahoo於矽谷風投公司Benchmark Capital組成。公司成立的時候吸納了許多原來在Yahoo工作的Hadoop工程師，Apache Hadoop社區70%的代碼是雅虎工程師貢獻的。2006年開始Doug Cutting任職於Yahoo公司。
• Hortonworks的主要產品是Hortonworks Data Platform(HDP)。
• HDP主要基於Apache Hadoop 1。
• MapR
• 用自己的新架構重寫Hadoop，提供和Apache Hadoop相同的API。
• NameNode預設存儲三份，不存在NameNode單點故障Single Point Of Failure(SPOF)。
• IBM
• 華為
• 網路，PC，虛擬化方面的硬體實力。
• Intel
• Intel的發行版最先進入中國市場。
• 提供全面的硬體解決方案，針對硬體的性能優化。

四.你也可以閱讀以下文檔

1.  hadoop版本總結http://dijunzheng2008.blog.163.com/blog/static/98959897201210171340254/
2. 關於Apache Hadoop 1.0 http://f.dataguru.cn/thread-23223-1-1.html
3. 突破社區版Hadoop各商業發行版比較 http://cloud.chinabyte.com/news/206/12446706.shtml
4. 如何選擇不同的Hadoop發行版 http://www.searchbi.com.cn/showcontent_70957.htm

一.Hadoop來歷

1.  2004年12月。Google發表了MapReduce論文，MapReduce允許跨伺服器集群，運行超大規模並行計算。Doug Cutting意識到可以用MapReduce來解決Lucene的擴展問題。
2. Google發表了GFS論文。
3. Doug Cutting根據GFS和MapReduce的思想創建了開源Hadoop框架。
4. 2006年1月，Doug Cutting加入Yahoo，領導Hadoop的開發。
5. Doug Cutting任職於Cloudera公司。
6. 2009年7月，Doug Cutting當選為Apache軟體基金會董事，2010年9月，當選為chairman。
7. 各大企業開發自己的發行版，併為Apache Hadoop貢獻代碼。

二.Google-->Apache

•  Chubby-->ZooKeeper
• GFS-->HDFS
• BigTable-->HBase
• MapReduce-->MapReduce

三.Google論文

•  GFShttp://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/de//archive/gfs-sosp2003.pdf
• BigTable http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/zh-CN//archive/bigtable-osdi06.pdf
• MapReduce http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/zh-CN//archive/mapreduce-osdi04.pdf

四.你也可以閱讀一下文檔

1. Wiki Doug Cutting http://en.wikipedia.org/wiki/Doug_Cutting
2. Hadoop源代碼分析一 http://caibinbupt.iteye.com/blog/262412

一.NameNode物理文件夾

二.DataNode物理文件夾

一.NameNode概述

•  NameNode存放了所有文件和文件夾的元數據信息
• 記憶體中：在系統啟動時，會把fsimage和editlog記錄的元數據信息加裝到記憶體中；在系統啟動時，NameNode收集DataNode心跳，在記憶體中形成file->blocks的對應關係。
• 硬碟上：操作日誌以fsimage和editlog的形式持久化在硬碟上。
• NameNode分類
• NameNode，Secondary NameNode。
• NameNode，Checkpoint Node，Backup NameNode。

二.fsimage editLog

1. editLog：客戶端對文件系統每次讀寫等操作時，元數據節點首先修改記憶體中的數據結構，然後記錄到editlog中。
2. fsimage：二進位文件；當editlog達到一定量(fs.checkpoint.size)或者距離上次歸併到fsimage達到一定時間(fs.checkpoint.period)時， editlog會被歸併到fsimage中。此過程被稱為checkpoint。另外一個checkpoint的時間是NameNode啟動時。

三.NameNode + Secondary NameNode

1. Secondary NameNode通知NameNode準備chekpoint。
2. NameNode產生edits.new，用來接受checkpoint過程中的editlog。
3. Secondary NameNode通過http get方式獲取NameNode的fsimage與editlog。
4. Secondary NameNode開始合併獲取的上述兩個文件，產生一個新的fsimage文件fsimage.ckpt。
5. Secondary NameNode用http post方式發送fsimage.ckpt至NameNode。
6. NameNode將fsimage.ckpt與edits.new文件分別重命名為fsimage與edits，然後更新fstime，整個checkpoint過程到此結束。

四.NameNode + Checkpiont NameNode + Backup NameNode

•  在Hadoop 0.21.0中，Secondary NameNode被Checkpoint NameNode和Backup NameNode取代。
• Checkpoint NameNode功能同Secondary NameNode，主要作用是合併元數據。
• Backup NameNode：NameNode實時主動把editlog和fsimage傳送給Backup NameNode，主要作用是備份。但其還不能作熱備，比喻Backup NameNode的記憶體中未保存Block的位置信息，仍需要等DataNode上報。 

五.你也可以閱讀以下文章

1. http://www.happyang.com/?p=6
2. http://blog.sina.com.cn/s/blog_7ead58ad0100umd9.html

一.數據塊

1. HDFS預設數據塊大小64M。{現在的版本已經是128M，下麵不在修改了}
2. 文件大於64M，將被分為若幹份64M+其它M存儲；文件小於64M，並不會占用整個64M大小，對於小文件，HDFS提供了幾種解決方案：Hadoop Archive，Sequence file和CombineFileInputFormat，後面看源碼時詳解。

二.DataNode

1.  數據節點是真正存儲數據的地方。
2. 周期性向NameNode彙報心跳，並帶回NameNode要下達的指令。NameNode並不主動向DataNode發送請求。
3. DataNode可以作為伺服器，接受客戶端的讀寫請求。
4. DataNode之間會互相通信，複製數據塊。