我正在阅读有关Hadoop以及它是如何容错的。我阅读了HDFS并阅读了如何处理主节点和从节点的故障。但是，我找不到任何提及mapreduce如何执行容错的文档。特别是，当包含Job Tracker的主节点发生故障或任何从节点发生故障时会发生什么？
如果有人能指出一些链接和参考资料，可以详细解释这一点。
答案 0 :(得分：4)
MapReduce图层的容错程度取决于hadoop版本。对于hadoop.0.21之前的版本，没有检查点，JobTracker的失败会导致数据丢失。
但是，从hadoop.0.21开始的版本，在JobTracker在文件中记录其进度的地方添加了检查点。当JobTracker启动时，它会查找此类数据，以便它可以从停止的位置重新开始工作。
答案 1 :(得分：4)
HADOOP中的容错
如果JobTracker在指定的时间段内没有从TaskTracker收到任何心跳 时间（默认情况下，设置为10分钟），JobTracker了解与之关联的工作人员 TaskTracker失败了。当这种情况发生时，JobTracker需要重新安排所有 待处理和正在进行的任务到另一个TaskTracker，因为属于的中间数据 失败的TaskTracker可能不再可用。
所有已完成的地图任务也需要 如果他们属于不完整的工作，则重新安排，因为中间结果存在于失败的工作中 减少任务可能无法访问TaskTracker文件系统。
TaskTracker也可以列入黑名单。在这种情况下，列入黑名单的TaskTracker仍然存在 与JobTracker进行通信，但没有任务分配给相应的工作人员。当一个 给定的任务数（默认情况下，此数字设置为4）属于由a管理的特定作业 TaskTracker失败，系统认为发生了故障。
TaskTracker发送给JobTracker的心跳中的一些相关信息是： ●TaskTrackerStatus
●重新启动
●如果是第一次心跳
●如果节点需要执行更多任务
TaskTrackerStatus包含有关TaskTracker管理的工作人员的信息，例如 可用的虚拟和物理内存以及有关CPU的信息。 JobTracker将黑名单与错误的TaskTracker以及最后收到的心跳保持在一起 从那个TaskTracker。因此，当收到新的重新启动/第一个心跳时，使用JobTracker 此信息可以决定是重新启动TaskTracker还是从中删除TaskTracker 黑名单
之后，在JobTracker中更新TaskTracker的状态，HeartbeatResponse是 创建。此HeartbeatResponse包含TaskTracker将采取的下一个操作。 如果要执行任务，TaskTracker需要新任务（这是一个参数） Heartbeat）并且它不在黑名单中，然后创建清理任务和设置任务（ 清理/设置机制尚未进一步研究）。如果没有清理或 设置要执行的任务，JobTracker获得新任务。当任务可用时， LunchTaskAction被封装在每个中，然后JobTracker也会查找：
- 被杀的事件
-Jobs to kill / cleanup
- 输出尚未保存的任务。
所有这些操作（如果适用）都会添加到要在HeartbeatResponse中发送的操作列表中。 Hadoop中实现的容错机制仅限于在给定时重新分配任务 执行失败。在这种情况下，支持两种方案： 1.如果分配给给定TaskTracker的任务失败，则通过Heartbeat进行通信 用于通知JobTracker，如果可能，JobTracker会将任务重新分配给另一个节点。 2.如果TaskTracker失败，JobTracker会发现错误情况，因为它不会收到 来自TaskTracker的Heartbeats。然后，JobTracker将分配TaskTracker具有的任务 到另一个TaskTracker。 JobTracker中还存在单点故障，因为如果失败，则整个执行失败。
Hadoop中实现的容错标准方法的主要好处在于其简单性，并且它似乎在本地集群中运行良好但是，标准方法对于大型分布式基础架构来说还不够，节点之间的距离可能太大，重新分配任务所浪费的时间可能会降低系统的速度
答案 2 :(得分：2)
主节点（NameNode）是hadoop中的单点故障。如果它关闭，系统将无法使用。
Slave（Computational）节点故障很好，故障时在它们上运行的任何东西都只是在另一个节点上重新运行。实际上，即使节点运行缓慢，也可能发生这种情况。
有些项目/公司希望消除单点故障。如果你感兴趣的话，谷歌搜索“hadoop ha”（高可用性）应该让你上路。