Hadoop的广义和狭义之分
狭义的Hadoop:指的是一个框架，Hadoop是由三部分组成：HDFS：分布式文件系统–》存储；
MapReduce:分布式离线计算框架–》计算；Yarn:资源调度框架
广义的Hadoop:广义Hadoop是不仅仅包含Hadoop框架，除了Hadoop框架之外还有一些辅助框
架。Flume：日志数据采集,Sqoop：关系型数据库数据的采集；
Hive:深度依赖Hadoop框架完成计算（sql），Hbase:大数据领域的数据库（mysql）
Sqoop：数据的导出
广义Hadoop指的是一个生态圈
大数据的特点
大数据的特点可以用 IBM 曾经提出的 “5V” 来描述，如下
- 大量
采集、存储和计算的数据量都非常大。
计算机存储单位一般用B，KB，MB，GB，TB，PB，EB，ZB，YB，BB、NB、DB来表示，
它们之间的关系是
1GB = 1024 MB
1TB = 1024 GB
1PB = 1024 TB
1EB = 1024 PB
1ZB = 1024 EB
1YB = 1024 ZB
1BB = 1024 YB
1NB = 1024 BB
1DB = 1024 NB
以PB为例，PB级数据量有多大？是怎样的一个概念？
假如手机播放MP3的速度为平均每分钟1MB，而1首歌曲的平均时长为4分钟，那么1PB存量的歌曲可以连续播放2000年。
1PB 也相当于50%的全美学术研究图书馆藏书咨询内容
（1）1986年，全球只有0.02EB也就是约21000TB的数据量
（2）2007年，全球就是280EB也就是约300000000TB的数据量，翻了14000倍
（3）近些年，由于移动互联网及物联网的出现，各种终端设备的接入，各种业务形式的普及，平均每40个月，全球的数据量就会翻倍！2012年，每天会产生2.5EB的数据量
（4）基于IDC的报告预测，从2013年到2020年，全球数据量会从4.4ZB猛增到44ZB！而到了2025年，全球会有163ZB的数据量！
全球的数据量已经大到爆了！而传统的关系型数据库根本处理不了如此海量的数据 - 高速
在大数据时代，数据的创建、存储、分析都要求被高速处理，比如电商网站的个性化推荐尽可能要求实时完成推荐，这也是大数据区别于传统数据挖掘的显著特征。 - 多样
数据形式和来源多样化。包括结构化、半结构化和非结构化数据，具体表现为网络日志、音
频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求 - 真实
确保数据的真实性，才能保证数据分析的正确性 - 低价值
数据价值密度相对较低，或者说是浪里淘沙却又弥足珍贵。互联网发展催生了大量数据，信息海量，但价值密度较低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题，也是一个有难度的课题
Hadoop=HDFS(分布式文件系统)+MapReduce(分布式计算框架)+Yarn(资源协调框架)+Common模块
- Hadoop HDFS：（Hadoop Distribute File System ）一个高可靠、高吞吐量的分布式文件系统
比如：100T数据存储，
“分而治之”
分：拆分–》数据切割，100T数据拆分为10G一个数据块由一个电脑节点存储这个数据块。
数据切割、制作副本、分散储存
图中涉及到几个角色
-
NameNode（nn）：存储文件的元数据，比如文件名、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。
-
SecondaryNameNode（2nn）：辅助NameNode更好的工作，用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据快照。
-
DataNode（dn）：在本地文件系统存储文件块数据，以及块数据的校验
注意：NN，2NN,DN这些既是角色名称，进程名称，代指电脑节点名称！
2. Hadoop MapReduce：一个分布式的离线并行计算框架
拆解任务、分散处理、汇整结果
MapReduce计算 = Map阶段 + Reduce阶段
Map阶段就是“分”的阶段，并行处理输入数据；
Reduce阶段就是“合”的阶段，对Map阶段结果进行汇总
3. Hadoop YARN：作业调度与集群资源管理的框架
Yarn中有如下几个主要角色，同样，既是角色名、也是进程名，也指代所在计算机节点名称
- ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度
- NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令
- ApplicationMaster(am)：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
- Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息
ResourceManager是老大，NodeManager是小弟，ApplicationMaster是计算任务专员
4. Hadoop Common：支持其他模块的工具模块（Configuration、RPC、序列化机制、日志操作）