Google 為了應(yīng)對快速增長的數(shù)據(jù)處理，開發(fā)了一套算法。后來有人根據(jù)算法的思想，開發(fā)出開源的軟件框架 ，就是Hadoop， 隨著越來越多的組織和個人開發(fā)者在框架開發(fā)中不斷貢獻改進，Hadoop 已經(jīng)形成一套家族產(chǎn)品，成為當(dāng)下最成功***的分布式大數(shù)據(jù)處理框架。

Hadoop 受到很多組織青睞，是因為有兩大因素： 一、超大規(guī)模的數(shù)據(jù)處理， 通常 10TB 以上；二、超復(fù)雜的計算工作，例如統(tǒng)計和模擬。

Hadoop 在很多應(yīng)用場景中發(fā)揮著主要功用，如大規(guī)模統(tǒng)計、ETL數(shù)據(jù)挖掘、大數(shù)據(jù)智能分析、機器學(xué)習(xí)等。

[[222052]]

Hadoop 和 傳統(tǒng)SQL關(guān)系數(shù)據(jù)存儲 有什么區(qū)別？

Hadoop 讀時模式（Schema on read）,傳統(tǒng)SQL是 寫時模式（Schema on write）.傳統(tǒng)數(shù)據(jù)庫存儲時對數(shù)據(jù)進行檢查，需要檢查表結(jié)構(gòu)定義等必須匹配后才讓存儲（write），否則就報錯。Hadoop 是你拿過任何數(shù)據(jù)格式我都給你存儲，只要你給我讀取這些數(shù)據(jù)的接口程序，在用到這些數(shù)據(jù)時（read），才會檢查。

左邊是Schema on Read , 右邊是Schema on Write。 右邊數(shù)據(jù)格式不對會報錯；左邊更關(guān)注讀數(shù)據(jù)的規(guī)則

Hadoop 是分布式數(shù)據(jù)庫， 而大部分SQL 是集中存儲的。

舉例來講： 微信后臺有可能數(shù)千個服務(wù)器節(jié)點用于存儲微信聊天記錄，假設(shè)我的聊天記錄分布在60個不同的服務(wù)節(jié)點上。而對于關(guān)系數(shù)據(jù)庫，會集中在多個表空間中。

假如我搜索我的一個聊天記錄，Hadoop 會把搜索任務(wù)分成多個均衡負載的搜索任務(wù)運行在60個節(jié)點上。而傳統(tǒng)SQL會逐個搜索存儲空間，直到全部遍歷。如果沒有完全搜索完，會返回搜索結(jié)果嗎？ Hadoop的回答是YES，而傳統(tǒng)SQL會是NO。

Hadoop 家族的產(chǎn)品 Hive，可以讓不怎么懂SQL 的客戶開發(fā)出基本上和SQL同樣功能的查詢

Hadoop 的數(shù)據(jù)寫入、備份、刪除操作

一、數(shù)據(jù)寫入

在客戶端想HDFS寫數(shù)據(jù)的過程中，主要分為下面幾個過程：

客戶端將數(shù)據(jù)緩存到本地的一個臨時文件中；

當(dāng)這個本地的臨時文件到達HDFS中的塊大小限制時，客戶端訪問Namenode，Namenode將文件的名字插入到HDFS命名空間中，并且為其分配相應(yīng)的存儲位置；

Namenode與分配好的Datanode進行溝通，確定存儲位置可用，然后將這些存儲位置信息返回給客戶端；

客戶端將本地的臨時文件傳輸?shù)紻atanode中；

當(dāng)寫文件結(jié)束，臨時文件關(guān)閉時，會將已有的臨時數(shù)據(jù)傳輸?shù)紻atanode中，并告知Namenode寫數(shù)據(jù)完成；

Namenode將該文件改變?yōu)槌志玫囊恢滦誀顟B(tài)，也就事將該操作記錄到日志EditLog中。如果此時Namenode宕掉，那么文件信息丟失。

上面的過程主要特點是寫入數(shù)據(jù)先緩存到本地，在達到塊大小限制時才與Datanode通信進行傳輸。這樣的好處在于避免在客戶寫數(shù)據(jù)的過程中持續(xù)占用網(wǎng)絡(luò)帶寬，這對于處理多用戶大量數(shù)據(jù)的寫入是非常關(guān)鍵的。

二、數(shù)據(jù)備份

數(shù)據(jù)的寫入同時伴隨這數(shù)據(jù)塊的備份，過程如下：

在客戶端臨時數(shù)據(jù)達到一個塊時，與Namenode通信，得到一組Datanode地址，這些Datanode就是用來存儲該數(shù)據(jù)塊的；

客戶端首先將該數(shù)據(jù)塊發(fā)送到一個Datanode上，Datanode在接受時是以4kb為單位進行，我們把這些小單位稱為緩存頁（參考了Linux管道文件的說法）；

對于***個接到數(shù)據(jù)的Datanode，它把緩存頁中的數(shù)據(jù)寫入自己的文件系統(tǒng)，另一方面，它又將這些緩存頁傳送給下一個Datanode；

重復(fù)3的過程，第二個Datanode又將緩存頁存儲在本地文件系統(tǒng)，同時將它傳送給第三個Datanode；

如果HDFS中的備份數(shù)目設(shè)置為3，那么第三個Datanode就只需要將緩存頁存儲即可。

上面的過程中，數(shù)據(jù)塊從客戶端流向***個Datanode，然后再流向第二個，從第二個再到第三個，整個是一個流水線過程，中間不會有停頓。所以HDFS將它稱為Replication Pipelining。

為什么不采取客戶端同時向多個Datanode寫數(shù)據(jù)的方法呢？其實從Pipelining這個稱呼上就可以猜到，客戶端和Datanode采用的緩存文件都是管道文件，即只支持一次讀取。

三、 數(shù)據(jù)刪除

HDFS中的數(shù)據(jù)刪除也是比較有特點的，并不是直接刪除，而是先放在一個類似回收站的地方（/trash），可供恢復(fù)。

對于用戶或者應(yīng)用程序想要刪除的文件，HDFS會將它重命名并移動到/trash中，當(dāng)過了一定的生命期限以后，HDFS才會將它從文件系統(tǒng)中刪除，并由Namenode修改相關(guān)的元數(shù)據(jù)信息。并且只有到這個時候，Datanode上相關(guān)的磁盤空間才能節(jié)省出來，也就是說，當(dāng)用戶要求刪除某個文件以后，并不能馬上看出HDFS存儲空間的增加，得等到一定的時間周期以后（現(xiàn)在默認為6小時）。

對于備份數(shù)據(jù)，有時候也會需要刪除，比如用戶根據(jù)需要下調(diào)了Replicaion的個數(shù)，那么多余的數(shù)據(jù)備份就會在下次Beatheart聯(lián)系中完成刪除，對于接受到刪除操作的Datanode來說，它要刪除的備份塊也是先放入/trash中，然后過一定時間后才刪除。因此在磁盤空間的查看上，也會有一定的延時。

那么如何立即徹底刪除文件呢，可以利用HDFS提供的Shell命令：bin/hadoop dfs expunge清空/trash。