hadoop 技术的基本架构
一、Hadoop概述
hadoop由两部分组成。各自是分布式文件系统和分布式计算框架MapReduce。当中。分布式文件系统主要用于大规模数据的分布式存储。而MapReduce 则构建在分布式文件系
统之上,对存储在分布式文件系统中的数据进行分布式计算。
2、在Hadoop 中,MapReduce 底层的分布式文件系统是独立模块,用户可依照约定的一套接口实现自己的分布式文件系统,然后经过简单的配置后。存储在该文件系统上的数据便
能够被MapReduce处理。
Hadoop 默认使用的分布式文件系统是HFDS(Hadoop Distributed File System 。Hadoop 分布式文件系统),它与MapReduce 框架紧密结合。
二、Hadoop HDFS 架构
H D F S 是一个具有高度容错性的分布式文件系统,适合部署在便宜的机器上。H D F S 能提供高吞吐量的数据訪问,很适合大规模数据集上的应用。HDFS 的架构例如以下图1所看到的,整体上採用了master/slave 架构,主要由以下几个组件组成:Client 、NameNode 、Secondary 和DataNode 。
以下分别对这几个组件进行介绍。
图1 hadoop HDFS 架构图
(1 )Client
C l i e n t (代表用户)通过与NameNode和DataNode交互訪问H D F S 中的文件。Clien提供了一个类似POSIX 的文件系统接口供用户调用。
(2 )NameNode
整个H a d o o p 集群中仅仅有一个NameNode。
它是整个系统的“总管”,负责管理H D F S的文件夹树和相关的文件元数据信息。
这些信息是以“fsimage”(H D F S 元数据镜像文件)和 “editlog ”(H D F S 文件修改日志)两个文件形式存放在本地磁盘,当H D F S 重新启动时又一次构造出来的。此外。NameNode 还负责监控各个DataNode 的健康状态,一旦发现某个DataNode 宕掉,则将该DataNode 移出H D F S 并又一次备份其上面的数据。
(3 )Secondary
NameNodeSecondary NameNode 最重要的任务并非为NameNode 元数据进行热备份,而是定期合并f s i m a g e 和e d i t s 日志。并传输给NameNode 。这里须要注意的是,为了减小N a m e N o d e压力,NameNode 自己并不会合并fsimage 和edits ,并将文件存储到磁盘上,而是交由Secondary NameNode 完毕。
(4 )DataNode
一般而言,每一个S l a v e 节点上安装一个DataNode ,它负责实际的数据存储。并将数据
息定期汇报给NameNode 。DataNode 以固定大小的b l o c k 为基本单位组织文件内容。默认情况下b l o c k 大小为6 4 M B 。当用户上传一个大的文件到H D F S 上时。该文件会被切分成
若干个b l o c k ,分别存储到不同的DataNode ;同一时候,为了保证数据可靠。会将同一个b l o c k以流水线方式写到若干个(默认是3 。该參数可配置)不同的DataNode 上。这样的文件分割后存储的过程是对用户透明的。
三、Hadoop MapReduce 架构
1、同H D F S 一样,Hadoop MapReduce 也採用了Master / Slave (M /S )架构。详细例如以下图2所看到的。它主要由以下几个组件组成:Client 、JobTracker 、 TaskTracker 和Task 。以下分别对这几个组件进行介绍。
图2 H a d o o p MapReduce 架构图
(1 )Client
用户编写的MapReduce 程序通过Client 提交到JobTracker 端;同一时候,用户可通过Client 提供的一些接口查看作业执行状态。在Hadoop 内部用“作业”(Job)表示MapReduce 程序。一个MapReduce 程序可相应若干个作业。而每一个作业会被分解成若干个Map/Reduce 任务(Task)。
(2 )JobTracker
JobTracker 主要负责资源监控和作业调度。
JobTracker 监控全部TaskTracker 与作业的健康状况。一旦发现失败情况后,其会将对应的任务转移到其它节点;同一时候,JobTracker 会跟踪任务的运行进度、资源使用量等信息,并将这些信息告诉任务调度器。而调度器会在资源出现空暇时,选择合适的任务使用这些资源。在H a d o o p 中,任务调度器是一个可插拔的模块。用户能够依据自己的须要设计对应的调度器。
(3 )TaskTracker
TaskTracker 会周期性地通过Heartbeat 将本节点上资源的使用情况和任务的执行进度汇报给JobTracker,同一时候接收JobTracker 发送过来的命令并执行对应的操作(如启动新任务、杀死任务等)。
TaskTracker 使用“slot”等量划分本节点上的资源量。
“slot”代表计算资源(CPU、内存等)。一个Task 获取到一个slot 后才有机会执行。而Hadoop 调度器的作用就是将各个TaskTracker 上的空暇slot 分配给Task 使用。slot 分为Map slot 和Reduce slot 两种,分别供Map Task 和Reduce Task 使用。TaskTracker 通过slot 数目(可配置參数)限定Task 的并发度。
(4 )Task
Task 分为Map Task 和Reduce Task 两种,均由TaskTracker 启动。从上一小节中我们知道,HDFS 以固定大小的block 为基本单位存储数据,而对于MapReduce 而言。其处理单位是split。
split 与block 的相应关系例如以下图3所看到的。split 是一个逻辑概念。它仅仅包括一些元数据信息,比方数据起始位置、数据长度、数据所在节点等。它的划分方法全然由用户自己决定。但须要注意
的是,split 的多少决定了Map Task 的数目。由于每一个split 会交由一个Map Task 处理。
图3 split 与block 的相应关系
PS:
1、Map Task 运行过程如图4所看到的。
由该图可知,Map Task 先将相应的s p l i t 迭代解析成一个个key / value 对。依次调用用户自己定义的map ( ) 函数进行处理,终于将暂时结果存放到本地磁盘上,当中暂时数据被分成若干个partition ,每一个partition 将被一个Reduce Task 处理。
图4 M a p Ta s k 运行流程
2、Reduce Task 运行过程如图5所看到的。
该过程分为三个阶段
①从远程节点上读取Map Task 中间结果(称为“Shuffle 阶段”);
②依照key 对key / value 对进行排序(称为“Sort 阶段”);
③依次读取< key, value list > ,调用用户自己定义的reduce ( ) 函数处理,并将终于结果存到HDFS 上(称为“Reduce 阶段”)。
图5 R e d u c e Ta s k 运行过程
PS
1、Hadoop MapReduce 直接诞生于搜索领域,以易于编程、良好的扩展性和高容错性为设计目标。它主要由两部分组成:编程模型和执行时环境。
当中。编程模型为用户提供了5个可编程组件,各自是InputFormat 、Mapper 、Partitioner 、Reducer、OutputFormat ;执行时环境则将用户的MapReduce 程序部署到集群的各个节点上,并通过各种机制保证其成功执行。
2、Hadoop MapReduce 处理的数据一般位于底层分布式文件系统中。
该系统往往将用户的文件切分成若干个固定大小的block 存储到不同节点上。默认情况下,MapReduce 的每一个Ta s k 处理一个block。 MapReduce 主要由四个组件构成。各自是Client 、Job Tracker 、TaskTracker 和Task 。它们共同保障一个作业的成功执行。
一个MapReduce 作业的执行周期是,先在Client 端被提交到JobTracker 上,然后由JobTr acker
将作业分解成若干个Ta s k ,并对这些Ta s k 进行调度和监控,以保障这些程序执行成功,而TaskTracker 则启动JobTracker 发来的Ta s k ,并向Job Tracker 汇报这些Task 的执行状态和本节点上资源的使用情况。
推荐阅读
-
K8s:Prometheus 服务架构和基本抓取数据服务的部署
-
微信 "扫一扫 "物联网,全面揭秘 "扫一扫 "背后的扫盲技术!-1.1 扫一扫感知物体是做什么的? 1.1 微信扫一扫是做什么的? 扫一扫识物是指以图片或视频(商品图片:鞋/包/美妆/服饰/家电/玩具/图书/食品/珠宝/家具/其他商品)为输入媒介,挖掘微信内容生态中的有价值信息(电商+百科+资讯,如图1所示),并展示给用户。这里的电商基本涵盖了微信小程序覆盖上亿SKU的全量优质电商,可以支持用户货比N家并直接下单购买,百科和资讯则聚合了微信内的头部自媒体如搜狗、搜搜、百度等,向用户展示和分享拍摄商品相关的内容资讯。 图 1 扫一扫识别功能示意图 欢迎大家更新iOS新版微信→扫一扫→识货,亲自体验,也欢迎大家通过识货界面的反馈按钮向我们提交反馈意见。 扫一扫识物实景图展示 1.2 扫一扫识物有哪些使用场景? 扫一扫识物的目的是为用户访问微信内部生态内容开辟一个新窗口,以用户扫图片为输入形式,为用户提供微信生态内容中的百科、资讯、电商等作为展示页面。除了用户熟悉的扫一扫操作外,我们还将进一步拓展长按操作,让用户更方便地进行扫一扫操作。"扫一扫知事 "的落地场景主要涵盖三大部分: a. 科普知识: a.科普知识。用户通过扫一扫,可以在微信生态圈中获取该对象的百科、资讯等常识或趣闻,帮助用户更好地了解该对象; b.购物场景。同样的搜索功能支持用户看到喜欢的商品立即检索到微信小程序电商中的同款商品,支持用户即扫即购; c.广告场景。扫一扫识别物体可以辅助公众号文章、视频更好地理解其中蕴含的图片信息,从而更好地投放匹配广告,提高点击率。 1.3 Sweep Sense 为 Sweep 家族带来了哪些新技术? 对于扫一扫来说,大家耳熟能详的应该就是扫一扫二维码、扫一扫小程序码、扫一扫条形码、扫一扫翻译了。无论是各种形式的编码还是文字字符,都可以看作是图片的一种特定编码形式,而物的识别则是对自然场景图片的识别,这对于扫一扫家族来说是一个质的飞跃,我们希望从物的识别入手,进一步拓展扫一扫对自然场景图片的理解能力,比如扫酒、扫车、扫植物、扫人脸等服务,如下图3所示。 图 3 Sweep 家族
-
架构师日记 - 软件工程中的组织文化 | 北京东方云技术团队
-
Java 架构 -商业架构到底是什么?-我亲自邀请BATJ各大架构大牛创建了Java架构师社区群,(群号:673043639)致力于为Java架构行业提供免费的交流平台,通过这个平台让大家互相学习成长,提高技术,让自己的水平提升一个档次,成功带动Java架构技术大牛或架构师的发展!
-
应用架构的核心使命是什么?阿里的高级技术专家是这样说的
-
构建未来的跨境电子商务平台:系统架构和关键技术
-
详细介绍 hadoop 的 hdfs 架构
-
Hadoop 的基本概念和架构
-
hadoop 的架构思想和设计原则
-
hadoop 技术架构 介绍 hadoop 架构