Tweet
Tweet

Slide 1

Slide 1 text

Marc  Cluet  –  Lynx  Consultants   How  Hadoop  Works  

Slide 2

Slide 2 text

What we’ll cover? ¡  Understand  Hadoop  in  detail   ¡  See  how  Hadoop  works  operationally   ¡  Be  able  to  start  asking  the  right  questions  from  your  data   Lynx  Consultants  ©  2013  

Slide 3

Slide 3 text

Hadoop Distributions ¡  Cloudera  CDH   ¡  Hortonworks   ¡  MapR   Lynx  Consultants  ©  2013  

Slide 4

Slide 4 text

Hadoop Components ¡  HDFS   ¡  Hbase   ¡  MapRed   ¡  YARN   Lynx  Consultants  ©  2013  

Slide 5

Slide 5 text

Hadoop Components ¡  HDFS   §  Hadoop  Distributed  File  System   §  Everything  sits  on  top  of  it   §  Has  3  copies  by  default  of  every  block   ¡  Hbase   ¡  MapRed   ¡  YARN   Lynx  Consultants  ©  2013  

Slide 6

Slide 6 text

Hadoop Components ¡  HDFS   ¡  Hbase   §  Hadoop  Schemaless  Database   §  Key  value  Store   §  Sits  on  top  of  HDFS   ¡  MapRed   ¡  YARN   Lynx  Consultants  ©  2013  

Slide 7

Slide 7 text

Hadoop Components ¡  HDFS   ¡  Hbase   ¡  MapRed   §  Hadoop  Map/Reduce   §  Non-­‐pluggable,  archaic   §  Requires  HDFS  for  temp  storage   ¡  YARN   Lynx  Consultants  ©  2013  

Slide 8

Slide 8 text

Hadoop Components ¡  HDFS   ¡  Hbase   ¡  MapRed   ¡  YARN   §  Hadoop  Map/Reduce  version  2.0   §  Pluggable,  you  can  add  your  own   §  Fast  and  not  so  much  memory  hungry     Lynx  Consultants  ©  2013  

Slide 9

Slide 9 text

Hadoop Component Breakdown ¡  All  these  components  divide  themselves  in     §  client/server     §  master/slave  scenarios   ¡  We  will  now  check  each  individual  component  breakdown   Lynx  Consultants  ©  2013  

Slide 10

Slide 10 text

Hadoop Components Breakdown ¡  HDFS   §  Master  Namenode   ▪  Keeps  track  of  all  file  allocation  on  Datanodes   ▪  Rebalances  data  if  one  of  the  namenodes  goes  down   ▪  Is  Rack  aware   §  Secondary  Namenode   ▪  Does  cleanup  services  for  the  namenode   ▪  Not  necessarily  two  different  servers   §  Datanode   ▪  Stores  the  data   ▪  Good  to  have  not  RAID  disks  for  extra  I/O  speed   Lynx  Consultants  ©  2013  

Slide 11

Slide 11 text

Hadoop Components Breakdown ¡  HDFS   §  How  to  access   ▪  Client  can  connect  with  hadoop  client  to  hdfs://namenode:8020   ▪  Supports  all  basic  Unix  commands   §  Configuration  files   ▪  /etc/hadoop/conf/core-­‐site.xml   ▪  Defines  major  configuration  as  hdfs  namenode  and  default  parameters   ▪  /etc/hadoop/conf/hdfs-­‐site.xml   ▪  Defines  configuration  specific  to  namenode  or  datanode  on  file  locations   ▪  /etc/hadoop/conf/slaves   ▪  Defines  the  list  of  servers  that  are  available  in  this  cluster   Lynx  Consultants  ©  2013  

Slide 12

Slide 12 text

Hadoop Components Breakdown ¡  Hbase   §  Master   ▪  Controls  the  Hbase  cluster,  knows  where  the  data  is  allocated  and   provides  a  client  listening  socket  using  Thrift  and/or  a  RESTful  API   §  Regionserver   ▪  Hbase  node,  stores  some  of  the  information  in  one  of  the  regions,   it’d  be  equivalent  to  sharding   §  Thrift  /  REST   ▪  Interface  to  connect  to  HBase   Lynx  Consultants  ©  2013  

Slide 13

Slide 13 text

Hadoop Components Breakdown ¡  Hbase   §  How  to  access   ▪  Through  the  Hbase  client  (using  Thrift)   ▪  Through  the  RESTful  API   §  Configuration  files   ▪  /etc/hbase/conf/hbase-­‐site.xml   ▪  Defines  all  the  basic  configuration  for  accessing  hbase   ▪  /etc/hbase/conf/hbase-­‐policy.xml   ▪  Defines  all  the  security  (ACL)  and  all  the  hbase  memory  tweaks   ▪  /etc/hbase/conf/regionservers   ▪  List  all  the  regionservers  available  to  this  cluster   Lynx  Consultants  ©  2013  

Slide 14

Slide 14 text

Hadoop Components Breakdown ¡  MapRed   §  JobTracker   ▪  Creates  the  Map/Reduce  jobs   ▪  Stores  all  the  intermediate  data   ▪  Keeps  track  of  all  the  previous  results  through  the  HistoryServer   §  TaskTracker   ▪  Executed  Tasks  related  to  the  Map/Reduce  job   ▪  Very  CPU  and  memory  intensive   ▪  Stores  intermediate  results  which  then  are  pushed  to  JobTracker   Lynx  Consultants  ©  2013  

Slide 15

Slide 15 text

Hadoop Components Breakdown ¡  MapRed   §  How  to  access   ▪  Through  the  Hadoop  Client   ▪  Through  any  MapRed  client  like  Pig  or  Hive   ▪  Own  Java  code   §  Configuration  files   ▪  /etc/hadoop/conf/mapred-­‐site.xml   ▪  Defines  how  to  contact  this  MapRed  Cluster   ▪  /etc/hadoop/conf/mapred-­‐queue-­‐acls.xml   ▪  Defines  ACL  structure  for  accessing  MapRed,  normally  not  necessary   ▪  /etc/hadoop/conf/slaves   ▪  Defines  the  list  of  TaskTrackers  in  this  cluster   Lynx  Consultants  ©  2013  

Slide 16

Slide 16 text

Hadoop Components Breakdown ¡  YARN   §  Same  structure  as  MapRed  (lives  on  top  of  it)   §  Configuration  files   ▪  /etc/hadoop/conf/yarn-­‐site.xml   ▪  All  required  configuration  for  YARN   Lynx  Consultants  ©  2013  

Slide 17

Slide 17 text

Hadoop Cluster Breakdown ¡  Namenode  Server   §  HDFS  Namenode   §  Hbase  Master   ¡  Secondary  Namenode  Server   §  HDFS  Secondary  Namenode   ¡  JobTracker  Server   §  MapRed  JobTracker   §  MapRed  History  Server   Lynx  Consultants  ©  2013  

Slide 18

Slide 18 text

Hadoop Cluster Breakdown ¡  Datanode  Server   §  HDFS  Datanode   §  Hbase  RegionServer   §  MapRed  TaskTracker   Lynx  Consultants  ©  2013  

Slide 19

Slide 19 text

Hadoop Hardware Requirements ¡  Namenode  Server   §  Redundant  power  supplies   §  RAID1  Drives   §  Enough  memory  (16Gb)   ¡  Secondary  Namenode  Server   §  Almost  none   Lynx  Consultants  ©  2013  

Slide 20

Slide 20 text

Hadoop Hardware Requirements ¡  Jobtracker  Server   §  Redundant  power  supplies   §  RAID1  Drives   §  Enough  memory  (16Gb)   ¡  Datanode  Server   §  Lots  of  cheap  disk  (no  RAID)   §  Lots  of  memory  (32Gb)   §  Lots  of  CPU   Lynx  Consultants  ©  2013  

Slide 21

Slide 21 text

Hadoop Default Ports ¡  HDFS   §  8020:  HDFS  Namenode   §  50010:  HDFS  Datanode  FS  transfer   ¡  MapRed   §  No  defaults   ¡  Hbase   §  60010:  Master   §  60020:  Regionserver   Lynx  Consultants  ©  2013  

Slide 22

Slide 22 text

Hadoop HDFS Workflow Lynx  Consultants  ©  2013  

Slide 23

Slide 23 text

Hadoop MapRed Workflow Lynx  Consultants  ©  2013  

Slide 24

Slide 24 text

Hadoop MapRed Workflow Lynx  Consultants  ©  2013  

Slide 25

Slide 25 text

Flume ¡  Transports  streams  of  data  from  point  A  to  point  B   ¡  Source   §  Where  the  data  is  read  from   ¡  Channel   §  How  the  data  is  buffered   ¡  Sink   §  Where  the  data  is  written   Lynx  Consultants  ©  2013  

Slide 26

Slide 26 text

Flume ¡  Flume  is  fault  tolerant   ¡  Sources  are  pointer  kept   §  With  some  exceptions,  but  most  sources  are  in  a  known  state   ¡  Channels  can  be  fault  tolerant   §  Channel  written  to  disk  can  recover  from  where  it  left   ¡  Sinks  can  be  redundant   §  More  than  one  sink  for  the  same  data   §  Data  is  serialised  and  deduplicated  using  AVRO   Lynx  Consultants  ©  2013  

Slide 27

Slide 27 text

Flume Lynx  Consultants  ©  2013  

Slide 28

Slide 28 text

Flume ¡  Configuration  files   §  /etc/flume-­‐ng/conf/flume.conf   ▪  Defines  the  agent  configuration  with  source,  channel,  sink   Lynx  Consultants  ©  2013  

Slide 29

Slide 29 text

Flume Lynx  Consultants  ©  2013  

Slide 30

Slide 30 text

Hadoop Recommended Reads Lynx  Consultants  ©  2013  

Slide 31

Slide 31 text

Hadoop References ¡  Hadoop   §  http://hadoop.apache.org/docs/stable/cluster_setup.html   §  http://rc.cloudera.com/cdh/4/hadoop/hadoop-­‐yarn/hadoop-­‐yarn-­‐site/ ClusterSetup.html   §  http://pig.apache.org/docs/r0.7.0/setup.html   §  http://wiki.apache.org/hadoop/NameNodeFailover   ¡  Hbase   §  http://hbase.apache.org/book/book.html   ¡  Flume   §  http://archive.cloudera.com/cdh4/cdh/4/flume-­‐ng/ FlumeUserGuide.html   Lynx  Consultants  ©  2013  

Slide 32

Slide 32 text

Questions? Lynx  Consultants  ©  2013