编辑“︁Apache Hadoop架构组件”︁（章节）

== 核心组件 ==

Hadoop的核心架构主要由以下四个组件构成：

1. '''Hadoop Distributed File System (HDFS)'''：分布式文件系统，负责数据的存储。
2. '''YARN (Yet Another Resource Negotiator)'''：资源管理和作业调度框架。
3. '''MapReduce'''：分布式计算模型，用于处理大规模数据集。
4. '''Hadoop Common'''：提供Hadoop各模块所需的公共工具和库。

=== HDFS (Hadoop Distributed File System) ===

HDFS是Hadoop的存储层，设计用于存储超大规模数据（如TB或PB级别）。其核心特点包括：
* '''分布式存储'''：数据被分割成块（默认128MB或256MB）并存储在集群的多个节点上。
* '''高容错性'''：通过数据副本（默认3份）确保数据可靠性。
* '''高吞吐量'''：优化了顺序读写，适合批处理任务。

HDFS的主要角色：
* '''NameNode'''：管理文件系统的元数据（如文件目录结构、块位置）。
* '''DataNode'''：存储实际数据块并执行读写操作。

以下是一个HDFS命令行操作的示例：
<syntaxhighlight lang="bash">
# 上传文件到HDFS
hadoop fs -put localfile.txt /user/hadoop/input/

# 列出HDFS目录内容
hadoop fs -ls /user/hadoop/input/
</syntaxhighlight>

=== YARN (Yet Another Resource Negotiator) ===

YARN是Hadoop的资源管理框架，负责集群资源的分配和任务调度。其核心组件包括：
* '''ResourceManager (RM)'''：全局资源管理器，负责分配集群资源。
* '''NodeManager (NM)'''：每个节点上的代理，负责管理单个节点的资源。
* '''ApplicationMaster (AM)'''：每个应用程序的协调者，负责与RM协商资源并监控任务。

YARN的工作流程如下：
1. 客户端提交应用程序到RM。
2. RM分配一个容器（Container）以启动AM。
3. AM向RM申请资源，并在NM上启动任务。

=== MapReduce ===

MapReduce是Hadoop的计算模型，用于并行处理大规模数据集。其工作分为两个阶段：
1. '''Map阶段'''：将输入数据拆分为键值对并处理。
2. '''Reduce阶段'''：聚合Map阶段的输出。

以下是一个简单的WordCount示例代码：
<syntaxhighlight lang="java">
public class WordCount {
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}
</syntaxhighlight>

=== Hadoop Common ===

Hadoop Common是Hadoop的基础库，提供以下功能：
* 文件系统抽象（如HDFS、本地文件系统）。
* 配置管理（通过<code>core-site.xml</code>和<code>hdfs-site.xml</code>）。
* 安全认证（如Kerberos集成）。