hadoop的源起与体系介绍

xlfm22

1.Hadoop的源起——Lucene项目
　　Hadoop 是由Doug Cutting用java语言书写的开源软件，其实现与Google类似的全文搜索功能，它提供了两种全文检索引擎的架构，包括完整的查询引擎和索引引擎。
　　Hadoop早期版本发布在个人网站和SourceForge，2001年年底成为apache软件基金会jakarta的一个子项目。
　　Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。
　　对于大数量的场景，Lucene面对与Google同样的困难，这些迫使Doug Cutting学习和模仿Google解决这些问题的办法
　　Doug Cutting首先开发了一个微缩版项目：Nutch
2.从lucene到nutch，从nutch到hadoop
　　2003-2004年，Google公开了部分GFS和Mapreduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和Mapreduce机制，使Nutch性能飙升。
　　Yahoo招安Doug Cutting及其项目。
　　Hadoop 于 2005 年秋天作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。2006 年 3 月份，Map-Reduce 和 Nutch Distributed File System (NDFS) 分别被纳入称为 Hadoop 的项目中，项目名字来源于Doug Cutting儿子的玩具大象。
　　Hadoop核心部分：MapReduce（分布式计算程序）和HDFS（分布式文件管理系统）
3.Hadoop的架构

　　Hadoop主要构成：Namenode、Secondary Namenode、DataNode、JobTracker、TaskTracker
　　（1）Namenode
　　HDFS的守护程序
　　纪录文件是如何分割成数据块的，以及这些数据块被存储到哪些节点上
　　对内存和I/O进行集中管理
　　是个单点，发生故障将使集群崩溃
　　（2）Secondary Namenode
　　监控HDFS状态的辅助后台程序
　　每个集群都有一个
　　与NameNode进行通讯，定期保存HDFS元数据快照
　　当NameNode故障可以作为备用NameNode使用
　　（3）DataNode
　　每台从服务器都运行一个
　　负责把HDFS数据块读写到本地文件系统
　　（4）JobTracker
　　用于处理作业（用户提交代码）的后台程序
　　决定有哪些文件参与处理，然后切割task并分配节点
　　监控task，重启失败的task（于不同的节点）
　　每个集群只有唯一一个JobTracker，位于Master节点
　　（5）TaskTracker
　　位于slave节点上，与datanode结合（代码与数据一起的原则）
　　管理各自节点上的task（由jobtracker分配）
　　每个节点只有一个tasktracker，但一个tasktracker可以启动多个JVM，用于并行执行map或reduce任务
　　与jobtracker交互
　　（6）Master与Slave
　　Master：Namenode、Secondary Namenode、Jobtracker。
　　Slave：Tasktracker、Datanode
　　Master不是唯一的