一、Hadoop入门
1、常用端口号
hadoop3.x
HDFS NameNode 内部通常端口：8020/9000/9820
HDFS NameNode 对用户的查询端口：9870
Yarn查看任务运行情况的：8088
历史服务器：19888
hadoop2.x
HDFS NameNode 内部通常端口：8020/9000
HDFS NameNode 对用户的查询端口：50070
Yarn查看任务运行情况的：8088
历史服务器：19888
2、常用的配置文件
3.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml workers
2.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml slaves
二、HDFS
1、HDFS文件块大小（面试重点）
硬盘读写速度
在企业中 一般128m（中小公司） 256m （大公司）
2、HDFS的Shell操作（开发重点）
3、HDFS的读写流程（面试重点）
三、Map Reduce
1、InputFormat
1）默认的是TextInputformat kv key偏移量，v :一行内容
2）处理小文件CombineTextInputFormat 把多个文件合并到一起统一切片
2、Mapper
setup()初始化； map()用户的业务逻辑； clearup() 关闭资源；
3、分区
默认分区HashPartitioner ，默认按照key的hash值%numreducetask个数
自定义分区
4、排序
1）部分排序 每个输出的文件内部有序。
2）全排序： 一个reduce ,对所有数据大排序。
3）二次排序： 自定义排序范畴， 实现 writableCompare接口， 重写compareTo方法
总流量倒序 按照上行流量 正序
5、Combiner
前提：不影响最终的业务逻辑（求和 没问题 求平均值）
提前聚合map => 解决数据倾斜的一个方法
6、Reducer
用户的业务逻辑；
setup()初始化；reduce()用户的业务逻辑； clearup() 关闭资源；
7、OutputFormat
1）默认TextOutputFormat 按行输出到文件
2）自定义
四、Yarn
1、Yarn的工作机制（面试题）
2、Yarn的调度器
1）FIFO/容量/公平
2）apache 默认调度器 容量； CDH默认调度器 公平
3）公平/容量默认一个default ，需要创建多队列
4）中小企业：hive spark flink mr
5）中大企业：业务模块：登录/注册/购物车/营销
6）好处：解耦 降低风险 11.11 6.18 降级使用
7）每个调度器特点：
相同点：支持多队列，可以借资源，支持多用户
不同点：容量调度器：优先满足先进来的任务执行
公平调度器，在队列里面的任务公平享有队列资源
8）生产环境怎么选：
中小企业，对并发度要求不高，选择容量
中大企业，对并发度要求比较高，选择公平。
3、开发需要重点掌握：
1）队列运行原理
2）Yarn常用命令
3）核心参数配置
4）配置容量调度器和公平调度器。
5）tool接口使用。
