1.Hadoop1.0和2.0的区别
1.0 = hdfs + mapreduce
2.0 = hdfs + yarn + mapreduce + other dataprocess
2.软件层次
1. 分布式存储层 HDFS
a,良好的扩展性
b,高容错性
c,适合PB以上的数据
组成： master name node + standby name node
datanode存储实际的数据
namenode建立数据的索引
缺点：1，不适合低延迟的访问（毫秒级）
2，master slave 结构不适合小文件存储
3，不支持并发写入，随机修改
2.集群资源管理层 YARN
使得多个计算框架运行在一个集群里
以前只有一个mapreduce,后来又有了storm, spark计算框架
组成：Resource Manager + NodeManager(每一个节点)
1.提高资源利用率，避免多个计算框架使用不同的集群
2.引入中间层，来管理资源的分配（资源管理层）
3.可以减少集群运维人员
4.有利于数据共享，多个计算框架共享数据资源，避免数据在多个集群中移动
3.分步式计算层 spark storm等分布式计算框架
应用程序的多样性需要用到不同的计算框架
4.HIVE
直接写MapReduce程序是比较麻烦的，因此引入HIVE，它提供了HQL语句到MR的翻译，所以我们直接写HQL就好
5.Pig与HIVE解决的问题基本上是一致的，pig是一种新的语言，很多传统公司建议用HIVE即可
原文：http://www.cnblogs.com/zhengchunhao/p/5615013.html