Hadoop名词个人理解

2012-05-16

 

关于业务流程

把一次分布式计算看成是农业的生产过程，hadoop则是一种生产解决方案。

     Map：播种的阶段，最后会产出粮食的粗制产品。看做是执行培养活动的农田。

     Combiner：顾名思义，联合收割机。把粗制产品收割，然后打包起来等待加工。可以提高加工阶段的效率，当然可以不选择使用。每个农田里用各自的收割机，没听说过一台收割机打遍天下。

Shuffle: 直译叫洗牌。在这个世界观里，可以认为从农田按照类别（key）分发到不同加工单位的过程。

     Reduce：加工阶段，将粗制的农产品加工成真正的粮食产品，也就是解决方案的最终成果。看做是农产品加工厂。

 

---

关于物理结构

     针对HDFS的领域，有三个概念：Name-Node（命名节点）、Data-Node（数据节点）、Secondary Name-Node（次级命名节点）。把HDFS看做使用一种工头-苦工的模式进行工作的搬运码头，整个文件系统就是这个码头，文件就是货物。

      命名节点就是工头，负责苦工的点名和指派工作（维护文件树的文件和索引）。

      数据节点就是参与工作的苦工们。苦工们的工作就是搬运物资（存储文件和接受访问）。

      苦工每隔一段时间要向工头汇报工作及其分管的货物的状态，这种行为称之为Heartbeat（心跳）。一旦工头发现苦工没有心跳了，就会要求苦工重新恢复，或者寻求数据的重新备份。

      第二命名节点听起来像是第二号工头的样子，却没有工头的职责。他会不断的备份工头的数据（命名空间镜像）。如果工头挂掉了，我们可以手动提升它为工头，以继续系统工作。由于这种备份存在滞后性，因此损失在所难免。

      这种模式的弊端在于一旦工头挂掉，整个系统就失效，如果没有备份，则连恢复系统的机会都没有。两种方式来防止无可挽回的损失，一是命名节点不断在其他地方进行持久化操作；二是使用二级命名节点。

 

---

关于任务结构

     JobTracker：是协调作业运行的Java应用程序，负责创建、划分、分配任务。任务分为Map任务和Reduce任务。分配Map任务的时候会优先考虑数据的本地化（data local）特性，其次是数据同机架（rack local）的，最后是既非本地化又非同机架化，以提高效率；但分配Reduce任务不会有这方面考虑。

     TaskTracker：执行任务的Java应用程序，接受JobTracker的分配。

     BlackList: 在进行任务(不仅限一个任务)的过程中，某个TaskTracker节点往复的发生过N次（可配置）任务失败状况，将导致JobTracker将该TaskTracker节点写入BlackList(黑名单)。节点在被写入黑名单的时期，将不会再被JobTracker调用。除非节点被手动重启或者24小时之后被JobTracker自动赦免。【个人心得】发生黑名单情况很经常是因为硬盘被写爆了。