一、什么是hadoop？
Hadoop软件库是一个开源框架，允许使用简单的编程模型跨计算机集群分布式处理大型数据集。它旨在从单个服务器扩展到数千台计算机，每台计算机都提供本地计算和存储。库本身不是依靠硬件来提供高可用性，而是设计用于检测和处理应用程序层的故障，从而在计算机集群之上提供高可用性服务，每个计算机都可能容易出现故障。是大数据技术的基础。
hadoop所包含的模块（从官网借鉴的）：
♥ hadoop分布式文件系统（HDFS）：一种分布式文件系统，能够提供高可靠、高可用、可扩展以及对应用程序数据的高吞吐量访问。
♥ yarn ：作业调度和资源管理的框架。
♥ MapReduce ：基于yarn框架，用于并行计算处理大型数据集，是一种计算框架。
♥ ambari ：基于Web的工具，用于配置，管理和监控Apache Hadoop集群，包括对Hadoop HDFS，Hadoop MapReduce，Hive，HCatalog，HBase，ZooKeeper，Oozie，Pig和Sqoop的支持。Ambari还提供了一个用于查看群集运行状况的仪表板，例如热图，以及可视化查看MapReduce，Pig和Hive应用程序的功能，以及以用户友好的方式诊断其性能特征的功能。
♥ avro ：数据序列化系统。
♥ cassandra：可扩展的多主数据库，没有单点故障。
♥ hbase：可扩展的分布式数据库，支持大型表的结构化数据存储。
♥ hive：一种数据仓库基础架构，提供数据汇总和即席查询。
♥ pig：用于并行计算的高级数据流语言和执行框架。
♥ spark：用于Hadoop数据的快速通用计算引擎。Spark提供了一种简单而富有表现力的编程模型，支持广泛的应用程序，包括ETL，机器学习，流处理和图形计算。
♥ zookeeper：用于分布式应用程序的高性能协调服务。
二、hadoop的四种模式。
1、本地模式：
本地模式就是解压源码包，不需要做任何的配置。通常用于开发调试，或者感受hadoop。
2、伪分布模式：
在学习当中一般都是使用这种模式，伪分布模式就是在一台机器的多个进程运行多个模块。虽然每一个模块都有相应的进程，但是却还是运行在同一个系统里面。所以叫伪分布式。
3、完全分布式：
这种模式才是工作当中所用的模式，hadoop运行在多台机器上面，我们称之为hadoop集群。
4、HA：
在实际的工作当中，对于hadoop完全分布式来说，并不真正的可靠，因为hadoop完全分布式集群会有单点故障（namenode单点故障、yarn单点故障），所以一般都会对这个集群做HA，一般都是做namenode和yarn的高可用。
下一章会对这几种模式的安装作介绍。
*** 本博客只是用来对自己所学知识的记录和总结，同时也希望能够帮助他人，可能写的并不好，还请见谅。***
来源：oschina
链接：https://my.oschina.net/u/4382335/blog/3868108