什么是hadoop？
搞什么东西之前，第一步是要知道what（是什么），然后是why（为什么），最后才是how（怎么做）。但很多开发的朋友在做了多年项目以后，都习惯是先how，然后what，最后才是why，这样只会让自己变得浮躁，同时往往会将技术误用于不适合的场景。
hadoop框架中最核心的设计就是：mapreduce和hdfs。mapreduce的思想是由google的一篇论文所提及而被广为流传的，简单的一句话解释mapreduce就是“任务的分解与结果的汇总”。hdfs是hadoop分布式文件系统（hadoop distributed file system）的缩写，为分布式计算存储提供了底层支持。
mapreduce从它名字上来看就大致可以看出个缘由，两个动词map和reduce，“map（展开）”就是将一个任务分解成为多个任务，“reduce”就是将分解后多任务处理的结果汇总起来，得出最后的分析结果。这不是什么新思想，其实在前面提到的多线程，多任务的设计就可以找到这种思想的影子。不论是现实社会，还是在程序设计中，一项工作往往可以被拆分成为多个任务，任务之间的关系可以分为两种：一种是不相关的任务，可以并行执行；另一种是任务之间有相互的依赖，先后顺序不能够颠倒，这类任务是无法并行处理的。回到大学时期，教授上课时让大家去分析关键路径，无非就是找最省时的任务分解执行方式。在分布式系统中，机器集群就可以看作硬件资源池，将并行的任务拆分，然后交由每一个空闲机器资源去处理，能够极大地提高计算效率，同时这种资源无关性，对于计算集群的扩展无疑提供了最好的设计保证。（其实我一直认为hadoop的卡通图标不应该是一个小象，应该是蚂蚁，分布式计算就好比蚂蚁吃大象，廉价的机器群可以匹敌任何高性能的计算机，纵向扩展的曲线始终敌不过横向扩展的斜线）。任务分解处理以后，那就需要将处理以后的结果再汇总起来，这就是reduce要做的工作。
hadoop解决两个问题海量数据存储、海量数据分析
提供了一个可靠的共享存储和分析系统，hdfs(hadoop distributed file system)实现存储，mapreduce实现分析处理。这两块是hadoop的核心。
hadoop具有最大化利用内存、最大化利用磁盘、最大化利用cpu的特点。
hbase：nosql数据库，最大化利用内存。
hdfs：架构设计原则（最大化利用磁盘）:
block（文件块）：一个文件分块默认64m。
namenode：保存文件系统的目录信息，读取信息。数据节点很多时，容易成为系统的瓶颈，避免这个问题，实现namenode一般都保存到内存中，同事持久化一部分信息在磁盘上，以备数据丢失。
datanode：用于存储block。
hdfs的ha策略：2.x开始hadoop支持namenode的active-standy模式，宕机时standy切换成active模式为整个应用提供服务。
mapreduce：
最大化利用cpu，分析处理大规模的数据集
通过图片可以简单了解，将同一操作，放在相当于多台处理器上并行执行，每个处理器执行1部分执行后，在将结果汇总在一起，这样减少了很多的时间。