简述Hadoop 1.X 系统原理

一、hadoop 1.x结构

• HDFS：hadoop分布式存储系统
• MapReduce：分布式计算框架，包含资源管理和任务调度等（hadoop 2.x中被分离到Yarn组件）。
• API：用户与系统交互的入口，有原生的MapReduce API，也有对Map Reduce进行封装抽象的Pig、Hive和HBase等。

二、hadoop 1.x运行原理

• 1：客户端首先向Master节点的JobTracker发送请求，JobTracker会解析请求信息判断要处理的是什么文件。
• 2-->3：JobTracker向hdfs中的NameNode发送请求，获取文件所在的位置、名称以及文件所对应的所有data block信息。
• 4：JobTracker计算处理这些data block所需要的map task和reduce task的数量，并且把这些任务加入任务队列。
• 5-->6: JobTracker查看组成文件的data block所在的DataNode节点的状态，检查是否有空闲的map
  slot或者reduce slot。如果有空闲的slot，JobTracker向DataNode的TaskTracker发起请求处理数据任务，然后TaskTracker把slot所对应的处理资源调度给map task或者reduce task，MapReduce job数据处理阶段开始。TaskTracker监视任务的状态，并把状态发送JobTracker。
• 7： TaskTracker了解到所有的task都完成时，把处理响应反馈给客户端。

小贴士：
1、TaskTracker是以slot的形式处理本地资源，把本地资源逻辑上拆分为一个个slot，每一个slot对应每一个task。
2、DataNode会周期性的向NameNode发送block report和节点运行状态，因此NameNode能够准实时的掌握hdfs集群的的信息。

参考资料：
1、《Hadoop For Dummies》