读书笔记《Hadoop开源云计算平台》

HDFS-Hadoop Distributed File System，对大文件效率高，小文件效率低。和普通本地的文件系统区别在于HDFS中的文件是分布在多台计算机上的，并且访问文件需要通过HDFS中的NameNode来访问。比如一个文件1g，被分成了10份分别保存在计算机01-10中，当客户端要获取这个文件时，会发生：

1. 客户端request到NameNode
2. NameNode返回这个文件分布情况：会返回一堆DataNode列表和文件block对应关系
   1. DataNode就是保存文件block的各个计算机，就是数据节点
   2. 客户端得知文件信息后，就直接和DataNode联系拿数据

在一个HDFS集群中，如果NameNode down了，那HDFS也就down了

在一个HDFS集群中，如果单个DataNode down了，HDFS照样提供服务。

HDFS有Secondary NameNode，可以用来合并NameNode的日志等操作

Zookeeper是这对分布式应用的分布式协作服务器

数据库服务

HBase，数据库服务，由1个HMaster和多个HRegion组成，它能快速读取、保存大表，是个基于列保存的系统

比如保存一行：rowId, A, B, Cè{001, A1Content, BContent, CContent}，HBase会将这一行数据拆分成3块，分别保存进HRegion001-003这3个计算机节点中（如果C列为null，则根本不会做保存这个动作）

缺点

1. 不能使用join等关系型数据库的语法
2. 如果要使用join等操作，需要自己写MapReduce来合并结果，比较麻烦
3. 不支持SQL查询

Hive, 数据库服务，能够使用HSQL语句（类似SQL语法），能够join、group by等，并且能自动进行MapReduce操作（更加智能）

CloudBase，数据仓库服务，支持SQL查询

MapReduce简化

1. Pig语言能够通过写脚本实现MapReduce功能，比较方便。
2. Eclipse有个MapReduce的插件，可以简化MapReduce程序的开发。