在Hadoop 1.x时代，Hadoop中的MapReduce同事处理业务逻辑运算和资源的调度，耦合性较大。
在Hadoop 2,.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce只负责运算。
Hadoop 3.x在组成上没有变化,，着重于性能的一些优化。
HDFS
HDFS（Hadoop Distributed File System），简称HDFS，是一个分布式文件系统。
HDFS的组成：
NameNode（简称 NN ）：
存储文件的元数据，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等。
DataNode（简称 DN ）：
在本地文件系统存储文件块数据，以及块数据的校验和。
Secondary NameNode（简称 2NN ）：
每隔一段时间对NameNode元数据备份。
Hadoop 1.x时会使用2NN对NN进行备份。但是后来的Hadoop版本中，企业一般会将NN搭建成高可用集群（一台active的NN，一台standby的NN），而不再使用2NN。
YARN
YARN（Yet Another Resource Negotiator），简称YARN，另一种资源协调者，是Hadoop的资源管理器。
YARN架构图：：
其中：
client客户端可以有多个
集群上可以运行多个ApplicationManager
每个NodeManager上可以有多个Container
YARN的组成：
ResourceManager（简称 RM ）：
整个集群资源（内存、CPU等）的管理者
NodeManager（简称 NM ）：
管理单个节点服务器的CPU、内存等
ApplicationMaster（简称 AM ）：
管理单个任务运行
Container：
容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等
MapReduce
MapReduce将计算过程分为两个阶段：Map和Reduce。
Map阶段并行处理输入数据
Reduce阶段对map结果进行汇总
结构图：
三者调用关系
整体调用结构图：
大数据技术生态体系：
包括数据的收集传递、存储、资源的管理、计算、任务调度、业务应用等层次。
整体架构图：
其中：
Sqoop：是一款开源的工具，主要用于在Hadoop、Hive与传统数据库（Mysql、Oracle）之间进行数据的传递，可以将一个关系型数据库中的数据导进HDFS中，也可以将HDFS的数据导入关系型数据库中
Flume：是一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据
Kafka：是一种高吞吐量的分布式发布订阅消息系统
Spark：是当前最流行的开源大数据内存计算框架，可以基于Hadoop上存储的大数据进行计算
Flink：是当前最流行的开源大数据内存计算框架，用于实时计算的场景比较多
Oozie：是一个管理Hadoop作业（job）的工作流程调度管理系统
HBase：是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库
Hive：是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行执行。可以通过类似SQL语句来快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析
ZooKeeper：是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等
