1）高可靠性：hadoop底层维护着多个数据副本，所以即使Hadoop某个计算元素或存储
出现故障，也不会导致数据的丢失。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce 的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：能够自动将失败的任务重新分配。
Hadoop 1.x的组成：
1）MapReduce（计算 + 资源调度）
2）HDFS（数据存储）
3）Common（辅助工具）
Hadoop 2.x的组成
1）MapReduce（计算）
2）Yarn（资源调度）
3）HDFS（数据存储）
4）Common（辅助工具）
分析：在Hadoop 1.x时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调
度，耦合性较大，在Hadoop 2.x时代，增加了Yarn。Yarn只负责资源的调度，
MapReduce只负责运算。
1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成
时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。
2）DataNode（dn）：在本地文件系统存储文件块数据，以及块数据的校验和。
3）SecondaryNameNode（2nn）：每隔一段时间对NameNode元数据备份。
1）ResourceManager（RM）主要作用如下：
（1）处理客户端请求
（2）监控NodeManager
（3）启动或监控ApplicationMaster
（4）资源的分配与调度
2）NodeManager（NM）主要作用如下：
（1）管理单个节点上的资源
（2）处理来自ResourceManager的命令
（3）处理来自ApplicationMaster的命令
3）ApplicationMaster（AM）作用如下
（1）负责数据的切分
（2）为应用程序申请资源并分配给内部的任务
（3）任务的监控与容错
4）Container
Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁
盘、网络等。
MapReduce将计算过程分为两个阶段：Map 和 Reduce
1）Map 阶段并行处理输入数据
2）Reduce 阶段对 Map 结果进行汇总
图中涉及的技术名词解释如下：
1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库
（MySql）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）
中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系
统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；
3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统；
4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的
大数据进行计算。
5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
6）Oozie：Oozie是一个管理Hdoop作业（job）的工作流程调度管理系统。
7）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数
据库，它是一个适合于非结构化数据存储的数据库。
8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张
数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运
行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必
开发专门的MapReduce应用，十分适合数据仓库的统计分析。
9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置
维护、名字服务、分布式同步、组服务等。
