一、Hadoop简介及其应用现状
1、Hadoop简介
Hadoop（是大数据技术的集合体，一整套解决方案的统称）是由Java开发的，支持多种编程语言。
2、Hadoop的理论基础
（1）Hadoop的两大核心
①分布式文件系统（HDFS）；
②分布式并行编程框架（MapReduce）；
（2）Hadoop的特性
①高可靠性；
②高效性；
③高可扩展性；
④高容错性；
⑤成本低；
⑥运行在Linux上；
⑦支持多种编程语言；
3、Hadoop的应用现状
（1）Hadoop应用现状图
（2）hadoop的各种版本评价
①评价图：
开源的Apache应用性很差，性能也是最差的。其他的都是商业化版本（做了后期优化）。
②获取本地支持的版本：
二、Hadoop的项目结构
1、基本项目结构介绍
（1）HDFS：分布式文件存储；
（2）YARN：底层的资源调度管理；
（3）MapReduce：离线计算，基于磁盘（一般不用于实时计算）；
（4）Tez：用于把MapReduce的很多作业优化构建一个有向无环图，保证获得最好的处理；
（5）Spark：基于内存计算，性能比MapReduce高一个等级；
（6）Hive：数据仓库，提供企业决策依据，用于企业数据分析；
（7）Pig：轻量级分析，流数据处理；
（8）Oozie：作业调度系统；
（9）Zookeeper：分布式协调一致式服务；
（10）HBase：超大型数据库；随机读写；列族数据库，支持实时应用；
（11）Flume：日志收集；
（12）Sqoop：数据的导入和导出，用于在Hadoop与传统数据库（关系型数据库）之间进行数据传递。
（13）Ambari：
2、Linux以及Hadoop的安装配置
请参考我前面发布的这篇文章，里面有详细的手把手教程：
Linux和Hadoop安装配置教程
三、Hadoop集群的核心简介
1、核心组件及其作用以及内容
（1）核心组件
①HDFS；
②MapReduce；
（2）HDFS核心组件介绍
NameNode：类似于一个目录服务器，存放的是元数据（日志文件editsfile和镜像文件fsimage，edits文件记录hadoop所有写操作，fsimage保存文件所在目录和文件idnode的序列化信息，又称为元数据，每次重启hadoop集群，都会重新读入fsimage保证信息为最新的数据），负责接收客户端的请求信息，也负责接收DataNode上报的信息，给DN分配任务（维护副本的数量）；
NameNode总结：
①接收客户端的读写请求；
②管理元数据信息；
③接收DataNode的心跳（信息）报告；
④使各个节点负载均衡；
⑤负责数据块的副本的存储结点的分配。
DataNode：存放的是块数据，不同结点的DataNode是平等的。
DataNode总结：
①处理客户端的读写请求；
②真正进行数据块的存储；
③向NameNode发送心跳（信息状态）报告；
④进行副本的复制；
SecondaryNameNode：
①帮助NameNode备份元数据信息（冷备份，即NameNode绷不住了，它并不能直接顶上来），查看备份的元数据是否是最新的，有一定的数据延时，可能造成数据丢失；
②帮助NameNode进行元数据合并，减轻NameNode的压力；
（3）MapReduce核心组件介绍
JobTracker：负责资源管理（掌握各机器当前可用内存、可用CPU等情况），任务调度（根据可用资源，进行计算任务的分配，也就是向哪一个DataNode移动）；
TaskTracker：管理被分到DataNode的计算任务、资源汇报（TaskTracker与JobTracker之间维持心跳，实时汇报当前DataNode资源所剩的情况）；
JobTracker与TaskTracker之间也是主从结构，前者给后者布置任务。
