Hadoop

前言

说到分布式软件，就一定绕不过Hadoop。

Hadoop 是 Google 著名的 MapReduce 和 GFS 论文的开源实现，它为我们提供了一个分布式的数据存储和计算框架，能够让我们在低成本的PC设备上搭建一个大规模的分布式数据存储系统。

由于Hadoop的出现直接降低了大数据的存储和计算成本，可以说Hadoop以及他的整个生态环境拉开了大数据时代的大幕。

Hadoop主要由 Hdfs, MapReduce 和 Yarn 三个大模块组成，我会基于 Hadoop 3.0.0 alpha2 的源码，分别解析一下这三个模块的代码逻辑。

具体章节划分如下，先从Hdfs开始，每周更新一两篇源码走读笔记。

Hdfs

Hdfs(Hadoop Distributed File System)是Hadoop框架中的分布式存储系统，

主要关注点:

1. Hdfs内部通信机制
2. Hdfs的DFS实现机制
3. Hdfs的数据冗余备份
4. Hdfs的secondarynamenode和HA解析

主要章节划分有:

1. Hdfs的启动流程分析
2. Hdfs的RPC通信框架
3. Hdfs 数据读写流程分析
4. Hdfs BlockManager 解析
5. Hdfs 的备份，高可用和横向扩展

MapReduce

Hadoop中的MapReduce框架负责在分布式系统中进行数据计算，通过将jar文件传输到各个数据节点进行分布式计算的形式，减少不必要的数据传输。

主要关注点:

1. 提交MapReduce任务的解析过程
2. Map、Shuffle、Reduce三个步骤之间的临时数据存储逻辑
3. Shuffle步骤触发策略

时间待定，章节待定

Yarn

Yarn(Yet Another Resource Manager)是Hadoop框架中的资源管理者。

主要关注点:

1. Yarn 对计算节点的抽象逻辑
2. Yarn 的任务调度策略
3. Yarn 对Map Reduce任务的切割分发

主要章节划分有:

1. Yarn 简介
2. YarnApplication 的生命周期
3. Scheduler
4. ContainerExecutor