1.成百上千台服务器组成集群，需要时刻检测服务器是否故障
2.用流读取数据更加高效快速
3.存储节点具有运算功能，省略了服务器之间来回传数据的网络带宽限制
4.一次写入，多次访问，不修改数据
5.多平台
namenode:master，负责总体调度，处理协调请求等（一个集群只能有一个namenode，但是可以多个集群组成一个更大的集群
，这时就有多个namenode，这时的namenode有两种状态，一种叫active并且一个大集群只能有一个namenode处于该状态，
一种为standby）
namenode两大功能：接受客户端读写服务，存放元数据（DataNode存储的位置等基本信息，fsimage和edits文件）
fsimage是namenode格式化时产生的，edits是用户操作增删改查的时候生成的日志
datanode:slave，存储节点，会备份，一般本地2分，其他服务器一份
机架:多个DataNod节点组成，master通过机架感知技术得知所需数据的位置
数据块:存储单元，一般64M（hadoop2中是128M）
时刻保持心跳通讯，保证每个数据都备份于3个节点上
5的read为第一个数据块读完后，读下一个数据块，如果在读取过程中某一个数据块出问题，则会记录下来并且找其他的备份，并且以后不再读取错误数据块
map负责分批运算，如果要统计1TB数据中my的出线次数，则可以启用100个map，每个map统计0.01TB数据，最终由reduce汇总
作业（Job）：运行一个MapReduce所需要用到的所有jar组件
任务（Task）：mapTask和ReduceTask
Key相同的结果进行reduce统计合并
作业提交一般提交jar包和配置文件
调度一般来说默认采取FIFO调度，即先考虑优先级，然后先进先出
TaskTracker会不断想JobTracker传达任务信息，如果空闲会主动申请作业
一般的生产环境都是完全分布式模式。