1. Hadoop是什么？
Hadoop是分布式系统基础架构，是能够对大量数据进行分布式处理的软件框架。
1.1 Hadoop三大发行版本
Apache——最原始最基础版本，对于入门学习较好
Cloudera——大型互联网公司用的最多 CDH版本
Hortonworks 文档较好
1.2 Hadoop 1.x和2.x的区别
| 1.x | 2.x |
|---|---|
| Map Reduce（计算+资源调度） | MapReduce（计算） |
| Yarn（资源调度） | |
| HDFS（数据存储） | HDFS（数据存储） |
| Common（辅助工具） | Common（辅助工具） |
1.x MapReduce同时处理业务逻辑计算和资源调度，耦合性比较大，
2.x增加了Yarn，Yarn只负责资源的调度，MapReduce只负责计算，解耦合，更模块化
2. 什么是分布式？
分布式计算是指一个计算可以在两个或多个软件上共享信息，两个或多个软件可以在一台计算机上运行，也可在通过网络连接的多台计算机上运行。
3. HDFS（Hadoop分布式文件系统）架构概述
3.1 NameNode(nn)：
存储文件的元数据（用来描述数据的数据），如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode
3.2 DataNode(dn)：
在本地文件系统存储文件块数据以及块数据的校验
3.3 Secondary NameNode(2nn)：
用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据快照
4. YARN架构概述
5. MapReduce架构概述
MapReduce 将计算过程分为两个阶段Map和Reduce（Map负责分，Reduce负责合）
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果进行汇总
举例：
