客户端工作汇报1220-流量掌厅中心.PPT

永远都不要怀疑自己的能力，能力这种东西，你努力了就有，不努力就肯定没有 hadoop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。 1.hadoop why? 传统数据库 MapReduce 数据大小 GB PB 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.hadoop版本变迁史 2.hadoop版本变迁史 3.一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 5.基础组件 Hadoop Common: The common utilities that support the other Hadoop modules. Hadoop Distributed File System (HDFS?): A 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.HDFS 7.YARN 7.YARN ResourceManager(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。 永远都不要怀疑自己的能力，能力这种东西，你努力了就有，不努力就肯定没有