2.2　Hadoop架构

Hadoop主要由两部分构成：分布式文件系统HDFS和统一资源管理和调度系统YARN。正如前文所述，分布式文件系统主要是用于海量数据的存储，而YARN主要是管理集群的计算资源并根据计算框架的需求进行调度。本节主要是为了让读者对Hadoop的架构有个比较清晰的了解，为后面的安装和学习打下基础。

2.2.1　Hadoop HDFS架构

构成HDFS集群的主要是两类节点，并以主从（master/slave）模式，或者说是管理者-工作者的模式运行，即一个NameNode（管理者）和多个DataNode（工作者）。还有一种节点叫SecondaryNameNode，作为NameNode镜像数据备份。如图2-2所示，图中的所有物理节点构成了一个HDFS集群，而NameNode、DataNode和SecondaryNameNode其实是各自节点上运行的守护进程。所以NameNode既是守护进程，也可以指运行NameNode守护进程的节点。客户端代表用户与整个文件系统交互的客户端。

图2-2　HDFS架构

表2-3列出了HDFS中守护进程的数目及其作用。

表2-3　HDFS守护进程

2.2.2　YARN架构

构成YARN集群的是两类节点：ResourceManager和NodeManager。同HDFS类似，YARN也采用主从（master/slave）架构，如图2-3所示。

图2-3　YARN架构

ResourceManager和NodeManager也是两种守护进程，运行在各自的节点上。表2-4列出了ResourceManager和NodeManager守护进程的数目和作用。

表2-4　ResourceManager和NodeManager守护进程

2.2.3　Hadoop架构

从上面的介绍读者可以知道，HDFS集群和YARN集群其实由一些守护进程组成，而所有这些守护进程和运行它们的节点就构成了Hadoop集群。如图2-4所示，这个集群的NameNode进程和ResourceManager进程在一个节点上运行，而DataNode和NodeManager在同一个节点上运行着。

值得一提的是，DataNode和NodeManager需要配对部署在同一个节点，但NameNode和ResourceManager却并不一定部署在同一个节点。在生产环境中，为了性能和稳定性考虑，强烈建议NameNode和ResourceManager分开部署。如图2-5所示（为了突出重点，这里省略了SecondaryNameNode和客户端，实际上是存在的），这样也是一个标准的Hadoop集群。

图2-4　Hadoop集群

图2-5　另一种Hadoop集群部署方式 7e2w/cMJNKMfthn+ChFWlihGEsVxCeMn7BpM1GeC4+iEHYB4IDDqfkXbRt6dKB3G