在之前的分享文章中給hadoop新手入門推薦的大快搜索DKHadoop發行版，在運行環境安裝方面的確要比其他的發行版hadoop要簡單的多，畢竟DKHadoop是對底層重新集成封裝的，對與研究hadoop尤其是入門級新手來說是非常友好的一個發行版！關於DKHadoop的安裝留在後面再給大家分享，本篇就跟大家聊一聊關於【hadoop分布式集群環境搭建規劃】。

1、分布式機器架構圖：

其中機器1主節點，機器2從節點，機器

首先我們保證每臺計算節點上分別有一個DataNode節點和NodeManager節點。因為都是計算節點，真正幹活的。在數量上我們要保證。那麽NameNode和ResourceManager是兩個非常重要的管理者，我們客戶端的請求，第一時間與NameNode和ResourceManager打交道。NameNode負責管理HDFS文件系統的元數據，客戶端不管是讀文件還是寫文件，都要首先找到NameNode獲取文件的元數據，再進行文件的操作。ResourceManager也是如此，它負責管理集群中的資源和任務調度，你也可以把它視為

2、達到多大規模的數據，才值得用大數據的方式來處理？

第一，從數據量角度，但是並無確定的答案，一般定性角度來說，你覺得這個數據量單機處理不了，比如內存限制，時間過久等，就用集群，但是要降低時間，你的處理邏輯必須能分布式處理，定量就是一般數據或者未來的數據量會達到PB級別（可能GB）或以上就要用分布式，當然前提也是你的處理邏輯可以進行分布式。

第二，從算法角度，或者處理邏輯的時間復雜度來說，比如雖然你的數據記錄不是很多，但是你的算法或者處理邏輯的時間復雜度是n的平方，甚至更高，同時你的算法可以進行分布式設計，那麽就考慮用分布式，比如你的記錄雖然只有

3、制約大數據處理能力的幾個問題

a、網絡帶寬

網絡是聯接計算機的紐帶，這個紐帶當然越寬越好，這樣可以在計算機資源許可的情況下，在單位時間內傳輸更多的數據，讓計算機處理更多的數據。現在企業網絡中，普遍采用的多是百兆網絡，也有千兆，萬兆雖然有，但是用得不多。

b、磁盤

所有數據，不管它從哪裏來，最終都要存進不同的硬盤裏面，或者閃存盤。閃存盤的讀寫效率比硬盤高得多，但是缺點也明顯：價格貴、容量小。現在的存儲介質主要還是硬盤，硬盤有順序讀寫和隨機讀寫兩種模型。順序讀寫是磁頭沿著磁道，好象流水線一樣，有規律的向前滾動進行。隨機讀寫是磁頭跳躍著，找到磁道上留空的地方，把數據寫進去。很明顯，順序讀寫比隨機讀寫效率高，所以系統架構師在設計大數據存儲方案時，都是以順序讀寫為主要選擇。

c、計算機的數量

分布式的集群環境下，計算機的規模當然越大越好。這樣在數據等量的情況下，計算機數量越多，分配給每臺計算機的數據越少，處理效率自然就高了。但是計算機的數量也不是可以無限增加，集群對計算機規模的容納有一個峰值，超過這個峰值，再提升就很困難，處理不好還會下降。原因主要來自木桶短板效應、邊界效應、規模放大效應。根據多年前的一個測試，當時以Pentium 3和Pentium 4芯片為基礎平臺，配合100M網絡，在上面運行LAXCUS大數據系統。當達到千臺計算機的規模時，瓶頸開始顯露出來。如果現在用新的X86芯片，加上更高速的網絡，應該是能夠容納更多的計算機。

d、代碼質量

這不是關鍵問題，但是是企業必須關註的一個問題。這和程序員編寫的計算機代碼質量有關。實際上，每個大數據產品都是半成品，它們只是提供了一個計算框架，要實際應用到企業生產中，裏面還有大量業務編碼需要程序員來實現。要使大數據應用達到高質量，技術負責人要做好前期設計，清楚和規範業務流程，程序員拿到方案後，用統一格式編寫代碼。這是雙方互相配合的過程。或者說，要做好協同和協調的事情。

hadoop集群管理系統搭建安裝規劃說明