1. Hadoop 是什么

• Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
• 主要解决，海量数据的存储和海量数据的分析计算问题。
• 广义上来说，Hadoop通常是指一个更广泛的概念—Hadoop生态圈。

2. Hadoop 的优势

• 高可靠性：Hadoop底层维护多个数据副本，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。
• 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。
• 高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务粗粒速度。
• 高容错性：能够自动将失败的任务重新分配。

3. Hadoop 组成（面试重点）

4. HDFS 架构概述

HDFS（Hadoop Distributed File System）的架构概述。

• 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。
• 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。
• Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

5. YARN架构

• ResourceManager（RM）：整个集群资源（内存、CPU等）的老大。
• NodeManager（NM）：单个节点服务器资源老大。
• ApplicationMaster（AM）：单个任务运行的老大。
• Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。

6. MapReduce 架构

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

7. 大数据技术生态体系