Hadoop框架

将Hadoop称作框架其实并不准确，更多人喜欢称Hadoop为生态圈，因为它除了有计算和存储功能外还提供了相当多的组件，来完成大数据方方面面的工作。

Hadoop生态圈的组件非常多，图1所示为Hadoop 1.0环境中的生态圈组成，爬虫工具、集群化存储、工作流、数据流、交互式脚本、NoSQL数据库、数据仓库、数据挖掘框架，几乎是应有尽有。

图1 Hadoop生态圈

现在在生产环境中，通常使用Hadoop 2.0环境。通常说的Hadoop只是其中最核心的框架，主要分为以下4个部分。

(1)Hadoop Common：这是Hadoop的核心功能，是对其他的Hadoop模块做支撑的，里面包含了大量的对底层文件、网络的访问，对数据类型的支持，以及对象的序列化、反序列化的操作支持等。

(2)Hadoop Distributed File System(HDFSTM)：Hadoop分布式文件系统，也就是上面提到的HDFS，它用于存储大量的数据。

(3)Hadoop YARN：一个任务调度和资源管理的框架。

(4)Hadoop MapReduce：基于YARN的并行大数据处理组件。请注意Hadoop 1.0和Hadoop 2.0的区别，如图2所示。Hadoop 1.0环境的MapReduce是直接运行的，Hadoop 2.0环境的MapReduce依赖于YARN框架，在YARN框架启动后，MapReduce在需要运行的时候把任务提交给YARN框架，让YARN框架来分配资源择机运行，这是两者较大的区别。

图2　Hadoop 1.0和Hadoop 2.0

一般把Hadoop Common、HDFS、YARN、MapReduce这四部分统称为Hadoop框架，而在Hadoop生态环境中还有进行SQL化管理HDFS的Hive组件，支持OLTP业务的NoSQL分布式数据库HBase组件，进行图形界面管理的Ambari组件等，Hadoop生态圈会增加越来越多的软件，提高软件的便利性。