Hadoop 的优势
高可靠性： Hadoop 底层维护多个数据副本，所以即使 Hadoop 某个计算元素或存储出现故障，也不会导致数据的丢失。
高扩展性： 在集群间分配任务数据，可方便的扩展数以千计的节点。
高效性： 在 MapReduce 的思想下，Hadoop 是并行工作的，以加快任务处理速度。
高容错性： 能够自动将失败的任务重新分配。
Hadoop 1.x 和 hadoop 2.x 的区别
在 Hadoop 1.x 时代，Hadoop 中的 MapReduce 同时处理业务逻辑运算和资源调度，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。
HDFS 框架概述
① NameNode（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），以及每个文件的块所在的 DataNode 等。
② DataNode（dn）: 在本地文件系统存储文件块数据，以及块数据校验和。
③ Secondary DataNode（2nn）： 用来监控 HDFS 状态的辅助后台程序，每隔一段时间获取 HDFS 元数据的快照。
Yarn 结构概述
① ResourceManager（RM）：
（1）处理客户端请求。
（2）监控 NodeManager。
（3）启动或监控 ApplicationMaster。
（4）资源的分配与调度。
② NodeManager（NM）：
（1）管理单个节点上的资源。
（2）处理来自 ResourceManager 的命令。
（3）处理来自 ApplicationMaster 的命令。
（4）资源的分配与调度。
③ ApplicationMaster（AM）：
（1）负责数据的切分。
（2）为应用程序申请资源并分配给内部的任务。
（3）任务的监控与容错。
④ Container：
Container 是 Yarn 中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等。
MapReduce 架构概述
MapReduce 将计算过程分为两个阶段：Map 阶段和 Reduce 阶段。
① Map 阶段并行处理输入的数据。
② Reduce 阶段对 Map 结果进行汇总。