Hadoop是什么：Hadoop是一個開發(fā)和運行處理大規(guī)模數據的軟件平臺，是Appach的一個用java語言實現開源軟件框架，實現在大量計算機組成的集群中對海量數據進行分布式計算。

　　Hadoop框架中最核心設計就是：HDFS和MapReduce。HDFS提供了海量數據的存儲,MapReduce提供了對數據的計算。

　　數據在Hadoop中處理的流程可以簡單的按照下圖來理解：數據通過Haddop的集群處理后得到結果。

　　HDFS：Hadoop Distributed File System,Hadoop的分布式文件系統(tǒng)。

　　大文件被分成默認64M一塊的數據塊分布存儲在集群機器中。

　　如下圖中的文件 data1被分成3塊,這3塊以冗余鏡像的方式分布在不同的機器中。

　　MapReduce：Hadoop為每一個input split創(chuàng)建一個task調用Map計算，在此task中依次處理此split中的一個個記錄(record),map會將結果以key--value的形式輸出,hadoop負責按key值將map的輸出整理后作為Reduce的輸入,Reduce Task的輸出為整個job的輸出，保存在HDFS上。

　　Hadoop的集群主要由 NameNode,DataNode,Secondary NameNode,JobTracker,TaskTracker組成。

　　如下圖所示：

　　NameNode中記錄了文件是如何被拆分成block以及這些block都存儲到了那些DateNode節(jié)點。

　　NameNode同時保存了文件系統(tǒng)運行的狀態(tài)信息。

　　DataNode中存儲的是被拆分的blocks。

　　Secondary NameNode幫助NameNode收集文件系統(tǒng)運行的狀態(tài)信息。

　　JobTracker當有任務提交到Hadoop集群的時候負責Job的運行,負責調度多個TaskTracker。

　　TaskTracker負責某一個map或者reduce任務。