随着社会的发展，大数据越来越广泛的进入到我们的生活当中，大数据的框架结构复杂，但Hadoop以其低成本和高效率的特性赢得了市场的认可。今天我们就来学习一下关于大数据—Hadoop框架结构都有哪些。
Hadoop是什么？
Hadoop是基于JAVA语言开发的Apache开源框架，以分布式文件系统HDFS(HadoopDistributedFileSystem)和MapReduce(GoogleMapReduce的开源实现)为核心的Hadoop，为用户提供了系统底层透明的分布式基础构架。
用户可以利用Hadoop轻松地组织计算机资源，从而搭建自己的分布式计算平台，并且可以充分利用集群的计算和存储能力，完成海量数据的处理。
Hadoop架构以三个核心模块组成：Hadoop通用、HadoopYARN、HadoopHDFS、HadoopMapReduce。那么，我们就来了解一下这三个核心模块：
1、集群资源管理器——YARN
YARN主要包含三大模块：ResourceManager（RM）、NodeManager（NM）、ApplicationMaster（AM）。其中，ResourceManager负责所有资源的监控、分配和管理；ApplicationMaster负责每一个具体应用程序的调度和协调；NodeManager负责每一个节点的维护。对于所有的applications，RM拥有绝对的控制权和对资源的分配权。而每个AM则会和RM协商资源，同时和NodeManager通信来执行和监控task。
2、分布式文件系统——HDFS
HDFS(HadoopDistributedFileSystem)是Hadoop项目的核心子项目，主要负责集群数据的存储与读取，HDFS是一个主/从(Master/Slave)体系结构的分布式文件系统。HDFS支持传统的层次型文件组织结构，用户或者应用程序可以创建目录，然后将文件保存在这些目录中。文件系统名字空间的层次结构和大多数现有的文件系统类似，可以通过文件路径对文件执行创建、读取、更新和删除操作。但是由于分布式存储的性质，它又和传统的文件系统有明显的区别。
3、分布式计算框架——MapReduce
MapReduce框架由每个集群节点的一个单一主控JobTracker和一个从属TaskTracker构成。主控JobTracker负责资源管理，跟踪资源消耗/可用性，调度从属TaskTracker上的作业组件任务，监控这些任务，并重新运行失败任务。从属TaskTracker按照主控JobTracker的指示执行任务，并定期向主控JobTracker提供任务状态信息。
关于大数据Hadoop的框架结构，以上为大家做了简单的介绍，想要学好大数据，这一部分是很重要的。
