概念认知：Hadoop——分布式计算平台 Hadoop（分布式计算平台）从单

Hadoop（分布式计算平台）从单个服务器扩展到数千台服务器，每台机器提供本地计算和存储
存储系统HDFS（Hadoop DIstributed File System 分布式文件系统）使用Java实现的、分布式的、可横向扩展的分布式文件系统。可存储超大文件，采用流式数据访问模式，运行于通用X86服务器上。
NameNode ，是HDFS集群的管理节点，负责管理和维护HDFS集群的命名空间以及元数据信息并管理集群中的数据节点。有两个重要的文件:
EditLog ，用于记录针对文件的操作（文件的创建、删除、重命名）
FSImage ，用于维护整个系统的命名空间，包括数据块到文件的映射和文件的属性等
SecondaryNameNode ，并不是NameNode的备份，定期将EditLog合并到FSImage ，以防止EditLog过大。保存合并后的FSImage的副本，作为NameNode的检查点，但是保存的状态滞后于NameNode ，因此NameNode失效后会丢失部分数据
DataNode，数据节点，根据系统的需要存储并检索数据块， HDFS集群启动和正常运行期间定期向NameNode发送存储的块列表和心跳信息
CheckpointNode ， Hadoop2.x后加入，和Secondary NameNode作用一致
BackupNode ， Hadoop2.x后加入， NameNode的完全备份
HBase（Hadoop Database 数据库）属于非关系型数据库，数据是基于列的而不是基于行，可在廉价服务器上搭建大规模结构化存储集群。
计算框架MapReduce（离线计算框架）把一个复杂问题分解成处理子集的子问题。 “Map”对子问题分别处理得到中间结果， “Reduce”把中间结果汇总，得到最终结果。
YARN（资源管理系统）通用的资源管理模块，可以为上层应用提供统一的资源调度和管理。使Hadoop不仅可以使用MapReduce ，还可以使用Storm、Spark等计算框架。
包含两种节点：ResourceManage负责资源调度， NodeManager负责具体事务
数据仓库Hive基于Hadoop的数据仓库工具，将结构化的数据文件映射为数据库表。操作本质是将SQL语句转换为MapReduce程序。
数据转换与日志处理Sqoop（数据转换工具）将数据从外部结构化数据存储导入Hive或HBase ，也可以从Hadoop中提取数据，将其导出到外部结构化数据存储。
Flume（日志处理系统）使用基于数据流的简单灵活的架构
应用协调与工作流ZooKeeper（分布式协调服务）
可以为分布式应用程序提供配置服务、域名服务、分布式同步等服务。
Oozie（工作流调度程序）是一种Java Web应用程序，用于管理Hadoop作业的工作流调度。
大数据安全技术Kerberos（网络认证协议）基于共享秘钥对称加密，通过秘钥系统为客户机/服务器应用程序提供认证服务
LDAP（轻量目录访问协议）提供被称为目录服务的信息服务，为应用程序提供访问、认证和授权的集中管理。
大数据即时查询与搜索Impala（查询系统）提供SQL语义，能查询存储在Hadoop的HDFS和HBase中的PB级大数据。使用高并发的MMP查询引擎，查询速度比Hive快得多。
Solr（搜索系统）企业搜索平台，基于标准的开放式接口（XML、JSON、HTTP），可实现强大的搜索匹配功能。
大数据消息订阅Kafka（消息订阅系统）【概念认知：Hadoop——分布式计算平台】高吞吐量的分布式发布-订阅消息系统。