本文已参与[新人创作礼]活动，一起开启掘金创作之路。
0. Introduction
这篇文章主要介绍了Hadoop三大组件的基本概念。后续文章将分别介绍它们的核心原理。
1. What
Hadoop是什么？
Hadoop是Apache基金会开发的分布式系统基础架构。主要是为了解决海量数据的存储，以及海量数据的分析计算问题。 简而言之，Hadoop就是一个框架，利用了分布式的特点，在大数据存储、分析计算上有优势。就像SSM（Spring+SpringMVC+MyBatis）框架方便我们做Web项目。
Hadoop核心组件：HDFS（分布式文件系统）、MapReduce（分布式计算系统）、Yarn（分布式资源管理系统）。
在Hadoop1.x版本中，MapReduce同时处理业务运算和资源调度，在2.x版本中，增加了Yarn来专门负责资源调度，降低耦合度。
Hadoop有这些优势：高可靠性、高扩展性、高效性、高容错性。
HDFS是什么？
分布式文件系统，负责把数据存在分布式集群中并进行管理。
专门用来存大文件，专门为了方便大文件读取，专门为了能用廉价的机器可靠地存储大量数据。就像俄罗斯军火一样，结实耐用口径大。
缺点是不适用低延时、大量小文件、多线程写入、修改等场景。
相当于你要这大炮马上发射，做不到；你要10颗大炮弹换成100颗小炮弹打，做不到；你要一会儿瞄准这个目标，一会儿瞄准那个目标，也做不到。
诶，咱儿就不是用来做那精细的活儿。
在底层存储这一块儿，HDFS一枝独秀，所以大数据生态的其他组件，基本都是面向HDFS API去做设计的。
MapReduce是什么？
分布式运算程序的软件框架，用来开发基于Hadoop的数据分析应用。
就是写应用程序时只用写业务逻辑，它帮你用并行的方式，可靠且容错性强地在大规模集群中处理海量数据集。
这一块儿变化很快，目前主流是用Spark、Flink框架。
Yarn是什么？
资源调度平台，相当于操作系统。管理集群硬件的CPU和内存资源。
总结
HDFS把文件存好，用MR框架写程序任务去处理这些文件，Yarn根据任务合理利用硬件资源。
2. Why
为什么要用Hadoop框架？
- 因为便宜，Hadoop容易实施，不是很依赖硬件，健壮性强，有各种机制保证了可用性、可靠性。
- 能灵活处理各种数据，包括了结构化数据，以及关系数据库很难处理的半结构化、非结构化数据。
- 计算能力强，运算速度快，处理大数据比【数据库+磁盘】强。
- 生态圈繁荣。
3. How
Hadoop如何实现高可靠性、高扩展性、高效性、高容错性这四大优势？
- 高可靠性：数据有多个副本，并且在集群中的多个机器上，任一节点宕机都不会丢失数据。
- 高扩展性：集群中可以很容易地添加节点，来处理临时的大量任务。
- 高效性：数据在多节点中并发处理，速度很快。
- 高容错性：任务失败会自动重新分配。
4. Practice
搭建Hadoop完全分布式集群。（会有另外一篇文章专门讲流程）
