




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
Hadoop生态系统第一页,共36页。Hadoop生态系统SubProject描述common分布式文件系统和通用I/O的组件与接口(序列化,JavaRPC和持久化数据结构)Avro支持高效的跨语言RPC和持久数据存储的序列化系统MapReduce分布式数据处理模型和执行环境,运行在大型商用机集群HDFS分布式文件系统,用于大型商用机集群PIGPig是SQL-like语言,是在MapReduce上构建的一种高级查询语言,把一些运算编译进MapReduce模型的Map和Reduce中,并且用户可以定义自己的功能。Hive分布式、按列存储的数据仓库。Hive管理HDFS中存储的数据,并提供基于SQL的查询语言(由运行时引擎翻译成MapReduce作业)Hbase分布式、按列存储的数据库。HBase使用HDFS作为底层存储,同时支持MapReduce的批量式计算和点查询(随机读取)ZooKeeper分布式、可用性高的协调服务。提供类似分布式锁的基础服务。Sqoop在数据库和HDFS之间高效传输数据的工具Flume分布式、可靠、和高可用的海量日志聚合的系统。ChukwaChukwa是基于Hadoop的大集群监控系统,由yahoo贡献。第二页,共36页。Hadoop介绍HDFSMapReduce第三页,共36页。HDFS特点存储大文件百兆以上级别文件百万级文件由于亿级别文件流式处理数据一次写多次多模式支持追加操作廉价的硬件环境普通pcserver组成集群环境第四页,共36页。HDFS缺点低延时读操作高吞吐量而非低延时Hbase解决了这个问题大量小数据文件最好每个文件大于100M多次写只支持一次写只支持在文件尾部添加,不支持随机写第五页,共36页。HDFS部署结构第六页,共36页。HDFS读写过程第七页,共36页。MapReduce部署结构JobTracker管理集群资源和Job调度TaskTracker管理Task运行第八页,共36页。MapReduce计算模型Inputk1,v1Mapk2,v2Reducek3,v3Output第九页,共36页。MapReduce扩展接口InputFormatMapperPartitionerReducerOutputFormat第十页,共36页。Map第十一页,共36页。Reduce第十二页,共36页。MapReduce实例第十三页,共36页。MapReduce内部结构第十四页,共36页。Hadoop2.0引入一个新的资源管理系统YARNHDFS单点故障得以解决HDFSFederationHDFS快照通过NFS访问HDFS支持Window系统第十五页,共36页。Hadoop1VSHadoop2第十六页,共36页。集群资源管理Hadoop介绍第十七页,共36页。Yarn运行原理图第十八页,共36页。Hbase介绍1高可靠性2高效性3面向列4可伸缩5可在廉价PCServer搭建大规模结构化存储集群第十九页,共36页。Hbase体系结构第二十页,共36页。HBase系统架构图第二十一页,共36页。HBase部件说明Client:
使用HBaseRPC机制与HMaster和HRegionServer进行通信
Client与HMaster进行通信进行管理类操作
Client与HRegionServer进行数据读写类操作
Zookeeper:
ZookeeperQuorum存储-ROOT-表地址、HMaster地址
HRegionServer把自己以Ephedral方式注册到Zookeeper中,HMaster随时感知各个HRegionServer的健康状况
Zookeeper避免HMaster单点问题
HMaster:
HMaster没有单点问题,HBase中可以启动多个HMaster,通过Zookeeper的MasterElection机制保证总有一个Master在运行
主要负责Table和Region的管理工作:
1管理用户对表的增删改查操作
2管理HRegionServer的负载均衡,调整Region分布
3RegionSplit后,负责新Region的分布
4在HRegionServer停机后,负责失效HRegionServer上Region迁移
第二十二页,共36页。Table&RegionTable随着记录增多不断变大,会自动分裂成多份Splits,成为Regions一个region由[startkey,endkey)表示不同region会被Master分配给相应的RegionServer进行管理第二十三页,共36页。HregionServer第二十四页,共36页。-ROOT-&.META..META.记录用户表的Region信息,同时,.META.也可以有多region-ROOT-记录.META.表的Region信息,但是,-ROOT-只有一个regionZookeeper中记录了-ROOT-表的location客户端访问数据的流程:
Client->Zookeeper->-ROOT-->.META.->用户数据表多次网络操作,不过client端有cache缓存第二十五页,共36页。HBase数据模型RowKey:Table主键,Table中记录按照RowKey排序
Timestamp:
每次对数据操作对应的时间戳,也即数据的versionnumber
ColumnFamily:列簇,一个table在水平方向有一个或者多个列簇,列簇可由任
意多个Column组成,列簇支持动态扩展,无须预定义数量及
类型,二进制存储,用户需自行进行类型转换第二十六页,共36页。HbaseShell第二十七页,共36页。Hbaseshell第二十八页,共36页。Hbase与RDBMS数据类型:Hbase只有简单的字符串类型。数据操作:Hbase只有很简单的插入、查询、删除、清空操作,没有复杂的表和表之间的关系。存储模式:Hbase是基于列式存储,每个列族由几个文件保存,不同列族的文件是分离的。数据维护:更新操作是替换版本,删除只是逻辑标记可伸缩性:第二十九页,共36页。参考资料第三十页,共36页。Lucene搜索结构第三十一页,共36页。基于文档的搜索Tika是一个内容抽取的工具集合。支持work,ppt,execl,PDF等第三十二页,共36页。大数据统计Elasticsearch:开源的分布式实时搜索系统,结合Hbase实现海量数据存储和检索,同时提供索引数据统计功能,满足海量数据的实时统计要求。ya主要功能特点realtimedistributedhighavailabilitydocumentorientedschemafreerestfulapi索引数据统计min、ma
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 餐厅礼仪类考试题及答案
- 新疆维吾尔自治区喀什地区莎车县2024-2025学年高一上学期1月期末考试物理试题(含答案)
- 【假期提升】五升六语文暑假作业(六)-人教部编版(含答案含解析)
- 琴行培训考试题及答案
- 2025年消防设施操作员之消防设备高级技能基础试题库和答案要点
- 筹建类面试题思路及答案
- 2023年辽宁省中考生物试卷(含答案)
- 2024广东省中考英语真题含答案
- 采购与售后分包合同(2篇)
- 行政岗干货知识培训课件
- (完整word版)英语四级单词大全
- 无人机在物流配送的优化方案
- 智慧物流方案设计与实施赛题答案
- 培训学习心得-读《教育的问题与挑战-思想的回应》有感
- 全面深化改革体会研讨发言
- 毕业设计(论文)-CK6140数控车床主传动系统设计
- 物理降温法操作评分标准
- 220kv变电站工程投标文件模板
- 初中物理作图题集萃附答案
- 钓鱼邮件专项安全意识随堂测试
- 2023年池州职业技术学院单招职业适应性测试题库及答案解析
评论
0/150
提交评论