简述Hadoop各种部署方式及学习路线

Hadoop是一个由Apache基金会所开发的分布式系统的基础架构；

Hadoop的核心就是HDFS和MapReduce，HDFS为海量数据的持久化存储提供了一个分布式环境，MapReduce则是在HDFS的基础之上对海量数据进行计算；需要特别声明的是：MapReduce既是一个计算框架，也是一种编程思想，这种框架为海量数据分布式计算提供了可能性，编程思想则是实现这种计算的思路和灵魂。

HDFS自身设计的初衷就是部署在廉价的机器上的，因而必须提供容错性，因此HDFS自身就有高可用机制，可以对失效的节点的数据自动恢复，可以失效的节点数依赖于副本的设定

学习Hadoop应该首先了解Hadoop的各种部署方式，并明白各种部署方式的场景和作用，部署部署目的，而是在部署的过程中学习各个组件的功能、各个组件是如何协调的、如何进行基础的故障排错。

这篇手记会给介绍几种常见的部署方式，后续手记会介绍详细的部署和安装过程

1、本地模式

     所谓本地模式，就是在单台服务器上进行开发和调试，这种模式不会使用HDFS，而是使用本地文件系统，Hadoop不会启动NameNode、DataNode、JobTracker和TaskTracker等服务进程，同一进程提供了所有的服务；该模式仅用于开发和调试，通常用于调试MapReduce程序逻辑是否正确。

 2、伪分布式模式

      伪分布式模式下，Hadoop的所有服务进程会一单独的守护进程运行，但全部运行在同一物理主机上，并不是真正的分布式，只是用来模拟小型集群。

      启动的进程包括NameNode、DataNode、JobTracker和TaskTracker,可以通过jps命令查看；通常也是用于开发和调试

3、完全分布式模式

     生产环境中，通常都是使用这种模式进行安装和部署。

     该模式下，通常由几十上百台主机组成集群，规划在一些主机上运行HDFS，在一些主机上运行MapReduce，充分利用所有主机的存储和计算能力；

     启动的进程包括NameNode、DataNode、JobTracker和TaskTracker,可以通过jps命令查看；但这些进程分布在不同的主机上，具体运行在那台主机上，由我们规划决定

4、HDFS HA

     该模式是建立在完全分布式模式之上的，在完全分布式模型中，HDFS中DataNode是自身保证数据可靠性的，但所有的文件元数据和inode信息都是存储在NameNode的内存中的，因此必须为NameNode提供高可用机制，这在Hadoop 2.X版本中已得到解决；

     大家了解HDFS HA就是为高可用NameNode的即可

5、Yarn HA

      在Hadoop 1.X中任何分配和任务执行分别为JobTracker和TaskTracker，在2,X中开始使用ResourceManager和NodeManager来替换了，YARN也是一个计算框架，可以运行在MapReduce之上；NodeManager自身提供了失败后恢复机制，失败了可以再启动一个，但ResourceManager只有一个，因此必须为其设置高可用机制

      YARN HA高可用，指的就是高可用ResourceManager进程

6、HDFS Federation

     在超大集群规模的Hadoop环境中，NameNode自身会成为性能瓶颈，海量数据的元数据信息保存在但节点上，难以保证性能，因此我们需要将单个NameNode进行拆分，分成多个NameNode，但每个NameNode存储的元数据信息只是所有数据的一部分，相当于对单个NameNode进行了数据拆分

     同样的，拆分之后我们也需要对每个NameNode做高可用设计

针对上述每一种安装和部署方式，在后续手记中，会有详细的安装和原理分析教程；

说明：本地模式很少使用，即使学习一般也是从伪分布式集群开始，因此我们的安装和配置教程也会从伪分布式开始，敬请关注

················································································································

欢迎关注课程：
企业级开源四层负载均衡解决方案--LVS