在上一篇（[06]建立Hadoop環境 -下篇）把hadoop pseudo-distributed mode整個建立了起來，在這個過程中有透過 jps看到啟動的時候有5個process：
- NameNode
- SecondaryNameNode
- ResourceManager
- NodeManager
- DataNode
這些process分別是yarn和HDFS執行起來的process，其中Master會有前 3個而slave有後 2個
這篇將會對於這幾個問題做一些介紹。
Hadoop Cluster架構
在介紹幾個jps之前，需要了解Hadoop Clusted的架構。
Hadoop屬於Client/Server架構，基本上會有 一個Master， 多個slave。
在上一篇建立的屬於 pseudo-distributed mode，換句話說Master和Slave都是同一台，所以才看到了5個process。
以下圖來說，是一個Master配上兩個Slave。master和slave裡面又可以分開兩層：MapReduce 和 HDFS 層
JobTracker和TaskTracker
先來看看上面那層，可以看到：
- JobTracker - 在Master
- TaskTracker - 在Slave
當一個工作被記錄的時候（例如呼叫WordCount.jar），會先進入到 JobTracker，再由JobTracker去 切割分派給 slave的 TaskTracker去做執行。最後TaskTracker在回報結果到JobTracker裡面。
YARN - ResourceManager
看到這邊，或許會奇怪，為什麼jps裡面沒有JobTracker和TaskTracker？原因是，JobTracker和TaskTracker是 MapReduce Layer層的內容，而Hadoop 2.0加上了YARN，因此在jps看到的是 ResourceManager和 NodeManager。
簡單來說，可以理解成為:
- JobTracker - ResourceManager
- TaskTracker - NodeManager
localhost:8088
Port 8088是ResourceManager的UI界面
因此可以用瀏覽器看到目前：
- 有幾個cluster - 幾個slave
- 有哪些工作
- 工作的執行情況
因此，run起來之後可以用這個來檢查目前情況。
NameNode、DataNode和Secondary NameNode
基本上HDFS層和MapReduce層有一樣概念，不過這一次變成是儲存資料層的分散式儲存。
- NameNode - 在Master
- DataNode - 在Slave
NameNode會記錄檔案分散在那幾個DataNode裡面。並且會透過
以下圖來說，檔案被拆成了兩份：A和C，會自動被儲存在DataNode1~3，因此如果DataNode2掛掉了，NameNode會知道，並且 變成由DataNode1和DataNode3來處理。
Secondary NameNode呢？
上面介紹了NameNode和DataNode，那麼Secondary NameNode呢？
Secondary NameNode用來提供一個Checkpoint輔助NameNode處理資料。
因此Secondary NameNode不是備份用，因此為了避免誤會有時候會成為Checkpoint Node。
localhost:50070
Port 50070是NameNode的一個web UI界面
在這個界面裡面可以看到DataNode有幾台，並且有幾台死掉了等資訊。
結語
希望透過這篇對於底層的jps process有些了解，並且對於hadoop的cluster更有感覺。
在下一篇([08]Hadoop 改成完全分散模式)，將會回到實際操作的部分，不過這次實際建立一個完整的cluster。Master那台本身是一台slave然後建立另外一台純粹是slave的機器。
沒有留言 :
張貼留言