三个核心组件：
分布式文件系统----------HDFS（实现将文件分布式存储在很多服务器上）分布式运算编程框架----MapReduce（实现在很多机器上分布式并行运算）分布式资源调度平台----YARN（帮助用户调度大量的MapReduce程序，并合理分配运算资源）
HDFS-----------分布式文件存储系统（存储单元：文件）
Hbase---------分布式数据库系统（存储单元：表）
Kafka----------分布式消息缓存系统（存储单元：消息）（实时流式处理场景中广泛使用）
MapReduce------离线批处理/Hadoop中的批量处理框架
Spark--------------离线批量处理/也可以实时流式处理
Storm-------------实时流式处理（Spark可替换）
HIve------------数据仓库（看起来像数据库，但不是数据库。存一些需要分析的数据，从而可以直接写sql语句进行统计。可以接收sql翻译成mapreduce或者spark程序运行，从而让开发人员不用写mapreduce逻辑，只需要写sql逻辑）
Flume-----------数据采集
Sqoop----------数据迁移（比如把Hadoop的数据导入到关系型数据库Mysql，以便展示web端）
ElasticSearch-------分布式搜索引擎
（1）公司产品 / 运营情况分析
（2）推荐系统（例如电商推荐）
（3）精准广告推荐系统
文件线性切割成块（Block）:偏移量 offset ；
Block分散存储在集群节点中，单一文件Block大小一致，文件与文件可以不一致；
Block可以设置副本数，副本无序分散在不同节点中（副本数不要超过节点数量）；
文件上传可以设置Block大小和副本数，已上传的文件Block副本数可以调整，大小不变；
–只支持一次写入多次读取，同一时刻只有一个写入者；
–可以append追加数据。
–文件元数据MetaData，文件数据
元数据数据本身–（主）NameNode节点保存文件元数据：单节点 posix
–（从）DataNode节点保存文件Block数据：多节点
–DataNode与NameNode保持心跳，提交Block列表
–HdfsClient与NameNode交互元数据信息
–HdfsClient与DataNode交互文件Block数据（cs）
–DataNode 利用服务器本地文件系统存储数据块
NameNode（NN）：
（1）基于内存存储 ：不会和磁盘发生交换（双向）
只存在内存中持久化（单向）（2）NameNode主要功能：接受客户端的读写服务、收集DataNode汇报的Block列表信息
（3）NameNode保存metadata信息包括：
文件owership和permissions文件大小，时间（Block列表：Block偏移量），位置信息（持久化不存）Block每副本位置（由DataNode上报）（4）NameNode持久化：
NameNode的metadata信息在启动后会加载到内存metadata存储到磁盘文件名为”fsimage”（时点备份）Block的位置信息不会保存到fsimageedits记录对metadata的操作日志…>RedisSecondaryNameNode（SNN）：
（1）作用：它不是NN的备份（但可以做备份），它的主要工作是帮助NN合并edits log，减少NN启动时间。
（2）SNN执行合并时机：
根据配置文件设置的时间间隔fs.checkpoint.period 默认3600秒根据配置文件设置edits log大小 fs.checkpoint.size 规定edits文件的最大值默认是64MBDataNode（DN）：
本地磁盘目录存储数据（Block），文件形式同时存储Block的元数据信息文件启动DN时会向NN汇报block信息通过向NN发送心跳保持与其联系（3秒一次），如果NN 10分钟没有收到DN的心跳，则认为其已经lost，并copy其上的block到其它DNClient：切分文件Block
-->按Block线性和NN获取DN列表（副本数）
-->验证DN列表后以更小的单位流式传输数据
-->各节点，两两通信确定可用
-->Block传输结束后：
DN向NN汇报Block信息DN向Client汇报完成Client向NN汇报完成获取下一个Block存放的DN列表.-->最终Client汇报完成NN会在写流程更新文件状态
Client：
和NN获取一部分Block副本位置列表线性和DN获取Block，最终合并为一个文件在Block副本列表中按距离择优选取MD5验证数据完整性（1）列出文件系统目录下的目录和文件：
# -h 以更友好的方式列出，主要针对文件大小显示成相应单位K、M、G等 # -r 递归列出,类似于linux中的tree命令 hdfs dfs -ls [-h] [-r] <path>（2）查看文件内容：
hdfs dfs -cat <hdfsfile>（3）查看文件末尾的1KB数据：
hdfs dfs -tail [-f] <hdfsfile>（1）新建目录：
hdfs dfs -mkdir <path>（2）创建多级目录：
hdfs dfs -mkdir -p <path>（3）新建一个空文件：
# linux下是touchz，不知道为什么在hdfs要加个z？ hdfs dfs -touchz <filename>（4）上传本地文件到hdfs：
# -f 如果hdfs上已经存在要上传的文件，则覆盖 hdfs dfs -put [-f] <local src> ... <hdfs dst>举例：将/usr/local/hadoop-2.7.3/etc/hadoop下的所有配置文件都上传到hdfs的/hadoop目录：
hdfs dfs -mkdir /config hdfs dfs -put /usr/local/hadoop-2.7.3/etc/hadoop /config（1）删除文件或目录：
# -r 递归删除目录下的所有文件 # -f为直接删除，不予提示 # -skipTrash为彻底放入文件，不放入回收站 hdfs dfs -rm [-r] [-f] [-skipTrash] <hdfs path>2.5、获取命令 （1）将hdfs文件下载到本地：
hdfs dfs -get < hdfs path> < localpath> 举例：将hdfs的/config目录下载到本地的/config目录下 hdfs dfs -get /config /config（2）将hdfs文件合并起来下载到本地：
hdfs hdfs -getmerge [-nl] <hdfs path> <localdst> 举例：将hdfs的/config/hadoop目录下的所有文件合并下载到本地的config.txt中 hdfs dfs -getmerge /config/hadoop config.txt（1）显示帮助：
hdfs dfsadmin -help（2）查看文件系统健康状态：
显示hdfs的容量、数据块和数据节点的信息 hdfs dfsadmin -report（3）安全模式管理： 安全模式是hadoop的一种保护机制，用于保证集群中的数据块的安全性。当hdfs进入安全模式时不允许客户端进行任何修改文件的操作,包括上传文件，删除文件，重命名，创建文件夹等操作。 当集群启动的时候，会首先进入安全模式。当系统处于安全模式时会检查数据块的完整性。假设我们设置的副本数（即参数dfs.replication）是5，那么在datanode上就应该有5个副本存在，假设只存在3个副本，那么比例就是3/5=0.6。通过配置dfs.safemode.threshold.pct定义最小的副本率，默认为0.999。
1、查看安全模式状态 hdfs dfsadmin -safemode get 2、强制进入安全模式 hdfs dfsadmin -safemode enter 3、强制离开安全模式 hdfs dfsadmin -safemode leave
