這里先大致介紹一下Hadoop.

　　本文大部分內(nèi)容都是從官網(wǎng)Hadoop上來的。其中有一篇介紹HDFS的pdf文檔，里面對Hadoop介紹的比較全面了。我的這一個系列的Hadoop學(xué)習(xí)筆記也是從這里一步一步進行下來的，同時又參考了網(wǎng)上的很多文章，對學(xué)習(xí)Hadoop中遇到的問題進行了歸納總結(jié)。

　　言歸正傳，先說一下Hadoop的來龍去脈。談到Hadoop就不得不提到Lucene和Nutch。首先，Lucene并不是一個應(yīng)用程序，而是提供了一個純Java的高性能全文索引引擎工具包，它可以方便的嵌入到各種實際應(yīng)用中實現(xiàn)全文搜索/索引功能。Nutch是一個應(yīng)用程序，是一個以Lucene為基礎(chǔ)實現(xiàn)的搜索引擎應(yīng)用，Lucene為Nutch提供了文本搜索和索引的API，Nutch不光有搜索的功能，還有數(shù)據(jù)抓取的功能。在nutch0.8.0版本之前，Hadoop還屬于Nutch的一部分，而從nutch0.8.0開始，將其中實現(xiàn)的NDFS和MapReduce剝離出來成立一個新的開源項目，這就是Hadoop，而nutch0.8.0版本較之以前的Nutch在架構(gòu)上有了根本性的變化，那就是完全構(gòu)建在Hadoop的基礎(chǔ)之上了。在Hadoop中實現(xiàn)了Google的GFS和MapReduce算法，使Hadoop成為了一個分布式的計算平臺。

　　其實，Hadoop并不僅僅是一個用于存儲的分布式文件系統(tǒng)，而是設(shè)計用來在由通用計算設(shè)備組成的大型集群上執(zhí)行分布式應(yīng)用的框架。

　　Hadoop包含兩個部分：

　　1、HDFS

　　即Hadoop Distributed File System (Hadoop分布式文件系統(tǒng))

　　HDFS具有高容錯性，并且可以被部署在低價的硬件設(shè)備之上。HDFS很適合那些有大數(shù)據(jù)集的應(yīng)用，并且提供了對數(shù)據(jù)讀寫的高吞吐率。HDFS是一個master/slave的結(jié)構(gòu)，就通常的部署來說，在master上只運行一個Namenode，而在每一個slave上運行一個Datanode。

　　HDFS支持傳統(tǒng)的層次文件組織結(jié)構(gòu)，同現(xiàn)有的一些文件系統(tǒng)在操作上很類似，比如你可以創(chuàng)建和刪除一個文件，把一個文件從一個目錄移到另一個目錄，重命名等等操作。Namenode管理著整個分布式文件系統(tǒng)，對文件系統(tǒng)的操作（如建立、刪除文件和文件夾）都是通過Namenode來控制。

　　下面是HDFS的結(jié)構(gòu)：

　　從上面的圖中可以看出，Namenode，Datanode，Client之間的通信都是建立在TCP/IP的基礎(chǔ)之上的。當Client要執(zhí)行一個寫入的操作的時候，命令不是馬上就發(fā)送到Namenode，Client首先在本機上臨時文件夾中緩存這些數(shù)據(jù)，當臨時文件夾中的數(shù)據(jù)塊達到了設(shè)定的Block的值（默認是64M）時，Client便會通知Namenode，Namenode便響應(yīng)Client的RPC請求，將文件名插入文件系統(tǒng)層次中并且在Datanode中找到一塊存放該數(shù)據(jù)的block，同時將該Datanode及對應(yīng)的數(shù)據(jù)塊信息告訴Client，Client便這些本地臨時文件夾中的數(shù)據(jù)塊寫入指定的數(shù)據(jù)節(jié)點。

　　HDFS采取了副本策略，其目的是為了提高系統(tǒng)的可靠性，可用性。HDFS的副本放置策略是三個副本，一個放在本節(jié)點上，一個放在同一機架中的另一個節(jié)點上，還有一個副本放在另一個不同的機架中的一個節(jié)點上。當前版本的hadoop0.12.0中還沒有實現(xiàn)，但是正在進行中，相信不久就可以出來了。

　　2、MapReduce的實現(xiàn)

　　MapReduce是Google 的一項重要技術(shù)，它是一個編程模型，用以進行大數(shù)據(jù)量的計算。對于大數(shù)據(jù)量的計算，通常采用的處理手法就是并行計算。至少現(xiàn)階段而言，對許多開發(fā)人員來說，并行計算還是一個比較遙遠的東西。MapReduce就是一種簡化并行計算的編程模型，它讓那些沒有多少并行計算經(jīng)驗的開發(fā)人員也可以開發(fā)并行應(yīng)用。

　　MapReduce的名字源于這個模型中的兩項核心操作：Map和 Reduce。也許熟悉Functional Programming（函數(shù)式編程）的人見到這兩個詞會倍感親切。簡單的說來，Map是把一組數(shù)據(jù)一對一的映射為另外的一組數(shù)據(jù)，其映射的規(guī)則由一個函數(shù)來指定，比如對[1, 2, 3, 4]進行乘2的映射就變成了[2, 4, 6, 8]。Reduce是對一組數(shù)據(jù)進行歸約，這個歸約的規(guī)則由一個函數(shù)指定，比如對[1, 2, 3, 4]進行求和的歸約得到結(jié)果是10，而對它進行求積的歸約結(jié)果是24。

　　關(guān)于MapReduce的內(nèi)容，建議看看孟巖的這篇MapReduce:The Free Lunch Is Not Over!

　　好了，作為這個系列的第一篇就寫這么多了，我也是剛開始接觸Hadoop，下一篇就是講Hadoop的部署，談?wù)勎以诓渴餒adoop時遇到的問題，也給大家一個參考，少走點彎路。

　　文章來源:http://www.cnblogs.com/wayne1017/archive/2007/03/18/668768.html