面试系列:深入理解Hadoop架构体系大数据应用

来源:互联网 / 作者:SKY / 2019-09-24 18:11 / 点击:
Hadoop架构体系面试题:HDFS的进程构成及其作用;nameNode进程:负责对外展示文件的层级结构、管理客户端对文件的访问(如:打开、关闭、重命名等)、决定文件block

官方文档组织的非常清晰,主要由以下四个组件组成:HDFS、map-reduce、yarn、hadoop-common

面试系列:深入理解hadoop架构体系


hdfs架构

HDFS

分布式文件存储系统,主要特点是:

可以运行在普通低成本硬件之上

并且具备高容错性(硬件容错)

适合高吞吐量的大数据存储,但并不强调低延迟

适合一次写,多次读的场景,不支持随机读写;

map-reduce

map-reduce是一个计算框架,绝大部分的数据处理都可以转化为map、reduce组合,然后利用map-reduce框架进行计算、处理;

yarn

资源管理器,核心的思想时将资源的调度管理与资源监控分割为两个进程,其中一个是ResourceManager,另一个是NodeManager,前者负责资源的分配、后者负责资源监控;

面试系列:深入理解hadoop架构体系

common

hdfs、map-reduce所需要的公共库;

面试

HDFS的进程构成及其作用;

nameNode进程:负责对外展示文件的层级结构、管理客户端对文件的访问(如:打开、关闭、重命名等)、决定文件block与dataNode的对应关系;

secondNameNode进程:从名字来看,应该是nameNode的back up,然而并不是,其主要作用是协助nameNode管理editLog;

dataNode:主要负责数据存储以及客户端的读写请求以及block的创建、删除等;

详细解释map过程的细节:

map过程主要是实现key-value集合到key-value集合的映射,可以实一对一、一对多、多对多映射;

详细过程是:map -> group -> sorted -> partitioned

group:相同的key放到一起;

sorted:按照key进行排序

partition:对key进行分区,最终分区数量一般等于task数量;

详细解释reduce过程细节:

首先是shuffle,即从map端拉取数据到reducer端;

之后是group,也就是相同的key可能来自于不同的map,所以需要group

之后是sort过程(再map阶段排序的基础之上,进行归并排序即可)

最后是second sort(用户自定义,如果没有自定义则不执行)

最后是reduce过程。

面试系列:深入理解hadoop架构体系

setCombinerClass的作用:

在map端先进行一部分reduce工作,主要优点是减少shuffle成本;但也有一定的局限性,仅仅适用于reduce的输入和输出数据类型相同时;

简单介绍Federation架构:

Federation架构通过多个独立的NameNode实现集群的横向扩展,主要解决了HDFS的吞吐量及承载量受限于单个nameNode,并且无法根据namespace做隔离的弊端。

在存储层,各个nameNode共用统一的DataNode

【编辑推荐】

简述Hadoop之后大数据的未来在谁的身上

Hadoop你必须要知道的

大数据需求使用的六个Hadoop发行版

Hadoop发生了什么?我们该如何做?

Hadoop 之 NameNode 元数据原理

阅读延展

1
3