Hadoop概述
1.Hadoop是什么？解决什么问题？
Hadoop是由Apache基金会所开发的分布式基础框架。
主要解决：海量数据的存储和海量数据的分析计算问题
2.三大并行版本
3.Hadoop的优势
（1）高可靠性：Hadoop底层维护多个数据副本（3个），Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
（2）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
（3）高效性：在MapReduce的思想下，Hadoop是并行操作的，以加快任务处理的速度。
（4）高容错性：能自动将失败的任务重新分配
4.Hadoop组成（面试重点）
Hadoop1.x和Hadoop2.x的区别
Hadoop1.x 与 Hadoop2.x相比
第一代耦合性较大
4.1.HDFS架构
（1）NameNode：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以及块所在的DataNode。
（2）DateNode：在本地文件系统存储文件块数据以及块数据的检验和。
（3）SecondaryNameNode：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。
4.2Yarn架构
（1）ResourceManager（RM）：整个集群资源
处理客户端请求、监控NodeManager、启动或监控ApplicationMaster
（2）NodeManager（NM）：单个节点资源
管理单个节点上资源、处理来自RM命令、处理来自AM命令
（3）ApplicationMaster（AM）
负责数据切分、为应用程序申请资源并分配给内部任务、任务监控和容错
（4）Continer
Yarn中的资源抽象，它封装了某个节点上的多维度资源，如内存，CPU，磁盘、网络
4.3MapReduce架构
（1）Map：并行处理输入数据
（2）Reduce：对Map结果进行汇总
5.相关知识
1）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：
（1）通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。
（2）高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息。
（3）支持通过Kafka服务器和消费机集群来分区消息。
（4）支持Hadoop并行数据加载。
2）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
3）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析
4）Mahout：Apache Mahout是个可扩展的机器学习和数据挖掘库。
5）ZooKeeper：Zookeeper是Google的Chubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。
6.Hadoop调度器
（1）默认调度器FIFO：先进先出
（2）计算能力调度Capacity Scheduler：占用资源小，优先级高的先执行
（3）公平调度器Fair Scheduler：同一队列中的作业公平共享队列中所有资源
7.如何安装配置一个Hadoop
安装JDK并配置环境变量
关闭防火墙
配置hosts文件
设置SSH免密登录
解压缩Hadoop安装包，配置环境变量
修改配置文件
格式化hdfs文件系统
启动Hadoop
