本節(jié)和大家學(xué)習(xí)一下Hadoop方面的知識，內(nèi)容主要有Hadoop概念介紹和Hadoop組成，希望通過本節(jié)的學(xué)習(xí)大家對Hadoop有初步的了解，下面讓我們一起來學(xué)習(xí)Hadoop吧。

Hadoop學(xué)習(xí)筆記

這里先大致介紹一下Hadoop，先說一下Hadoop的來龍去脈。談到Hadoop就不得不提到Lucene和Nutch。
首先，Lucene并不是一個應(yīng)用程序，而是提供了一個純Java的高性能全文索引引擎工具包，它可以方便的嵌入到各種實際應(yīng)用中實現(xiàn)全文搜索/索引功能。Nutch是一個應(yīng)用程序，是一個以Lucene為基礎(chǔ)實現(xiàn)的搜索引擎應(yīng)用，Lucene為Nutch提供了文本搜索和索引的API，Nutch不光有搜索的功能，還有數(shù)據(jù)抓取的功能。在nutch0.8.0版本之前，Hadoop還屬于Nutch的一部分，而從nutch0.8.0開始，將其中實現(xiàn)的NDFS和MapReduce剝離出來成立一個新的開源項目，這就是Hadoop，而nutch0.8.0版本較之以前的Nutch在架構(gòu)上有了根本性的變化，那就是完全構(gòu)建在Hadoop的基礎(chǔ)之上了。在Hadoop中實現(xiàn)了Google的GFS和MapReduce算法，使Hadoop成為了一個分布式的計算平臺。
其實，Hadoop并不僅僅是一個用于存儲的分布式文件系統(tǒng)，而是設(shè)計用來在由通用計算設(shè)備組成的大型集群上執(zhí)行分布式應(yīng)用的框架。

Hadoop包含兩個部分：

1、HDFS

即HadoopDistributedFileSystem(Hadoop分布式文件系統(tǒng))
HDFS具有高容錯性，并且可以被部署在低價的硬件設(shè)備之上。HDFS很適合那些有大數(shù)據(jù)集的應(yīng)用，并且提供了對數(shù)據(jù)讀寫的高吞吐率。HDFS是一個master/slave的結(jié)構(gòu)，就通常的部署來說，在master上只運行一個Namenode，而在每一個slave上運行一個Datanode。
HDFS支持傳統(tǒng)的層次文件組織結(jié)構(gòu)，同現(xiàn)有的一些文件系統(tǒng)在操作上很類似，比如你可以創(chuàng)建和刪除一個文件，把一個文件從一個目錄移到另一個目錄，重命名等等操作。Namenode管理著整個分布式文件系統(tǒng)，對文件系統(tǒng)的操作（如建立、刪除文件和文件夾）都是通過Namenode來控制。

從HDFS結(jié)構(gòu)圖中可以知道，Namenode，Datanode，Client之間的通信都是建立在TCP/IP的基礎(chǔ)之上的。當(dāng)Client要執(zhí)行一個寫入的操作的時候，命令不是馬上就發(fā)送到Namenode，Client首先在本機上臨時文件夾中緩存這些數(shù)據(jù)，當(dāng)臨時文件夾中的數(shù)據(jù)塊達(dá)到了設(shè)定的Block的值（默認(rèn)是64M）時，Client便會通知Namenode，Namenode便響應(yīng)Client的RPC請求，將文件名插入文件系統(tǒng)層次中并且在Datanode中找到一塊存放該數(shù)據(jù)的block，同時將該Datanode及對應(yīng)的數(shù)據(jù)塊信息告訴Client，Client便這些本地臨時文件夾中的數(shù)據(jù)塊寫入指定的數(shù)據(jù)節(jié)點。
HDFS采取了副本策略，其目的是為了提高系統(tǒng)的可靠性，可用性。HDFS的副本放置策略是三個副本，一個放在本節(jié)點上，一個放在同一機架中的另一個節(jié)點上，還有一個副本放在另一個不同的機架中的一個節(jié)點上。當(dāng)前版本的hadoop0.12.0中還沒有實現(xiàn)，但是正在進(jìn)行中，相信不久就可以出來了。

2、MapReduce的實現(xiàn)

MapReduce是Google的一項重要技術(shù)，它是一個編程模型，用以進(jìn)行大數(shù)據(jù)量的計算。對于大數(shù)據(jù)量的計算，通常采用的處理手法就是并行計算。至少現(xiàn)階段而言，對許多開發(fā)人員來說，并行計算還是一個比較遙遠(yuǎn)的東西。MapReduce就是一種簡化并行計算的編程模型，它讓那些沒有多少并行計算經(jīng)驗的開發(fā)人員也可以開發(fā)并行應(yīng)用。
MapReduce的名字源于這個模型中的兩項核心操作：Map和Reduce。也許熟悉FunctionalProgramming（函數(shù)式編程）的人見到這兩個詞會倍感親切。簡單的說來，Map是把一組數(shù)據(jù)一對一的映射為另外的一組數(shù)據(jù)，其映射的規(guī)則由一個函數(shù)來指定，比如對[1,2,3,4]進(jìn)行乘2的映射就變成了[2,4,6,8]。Reduce是對一組數(shù)據(jù)進(jìn)行歸約，這個歸約的規(guī)則由一個函數(shù)指定，比如對[1,2,3,4]進(jìn)行求和的歸約得到結(jié)果是10，而對它進(jìn)行求積的歸約結(jié)果是24。
關(guān)于MapReduce的內(nèi)容，建議看看孟巖的這篇MapReduce:TheFreeLunchIsNotOver!
好了，作為這個系列的第一篇就寫這么多了，我也是剛開始接觸Hadoop，下一篇就是講Hadoop的部署，談?wù)勎以诓渴餒adoop時遇到的問題，也給大家一個參考，少走點彎路。
 

【編輯推薦】

1. 如何進(jìn)行Hadoop安裝部署？
2. Hadoop開源已經(jīng)實現(xiàn)
3. Hadoop集群與Hadoop性能優(yōu)化
4. Hadoop 從Yahoo向Google的技術(shù)轉(zhuǎn)折
5. Hadoop入門經(jīng)典