Hadoop的三大核心组件是：
1. HDFS (Hadoop Distributed File System):
作用与功能：作为分布式文件系统，HDFS旨在提供高容错性、高吞吐量的数据存储解决方案，特别适用于大规模数据集。它将大文件分割成多个数据块，并将这些数据块分布存储在集群中的不同节点上，实现了数据的分布式存储。
特性：HDFS设计时考虑了廉价硬件的使用，能够容忍节点故障，通过数据复制（默认三副本）确保数据的高可用性。它支持流式数据访问模式，适合大规模批处理作业，且提供了对文件的一次写入、多次读取的访问模型。
2. MapReduce:
作用与功能：MapReduce是一种分布式计算框架，用于处理和生成大量数据集。它将复杂的并行计算任务分解为两个主要阶段：`Map`阶段和`Reduce`阶段。在`Map`阶段，输入数据被分割并由各个任务并行处理；在`Reduce`阶段，经过映射处理后的中间结果被合并、排序并进一步处理，最终生成所需的输出结果。
特性：MapReduce隐藏了并行计算的复杂性，使得开发人员可以专注于编写业务逻辑，而无需关注底层的并发、通信、容错等细节。它自动处理任务的划分、调度、执行监控以及结果汇聚，为海量数据的批处理分析提供了强大的编程模型。
3. YARN (Yet Another Resource Negotiator):
作用与功能：YARN是Hadoop 2.x版本引入的资源管理和调度平台，负责整个集群的资源管理和任务调度。它将Hadoop 1.x中MapReduce的资源管理和作业调度功能剥离出来，形成了一个通用的资源管理系统，使得Hadoop不仅支持MapReduce作业，还能运行其他类型的分布式应用（如Spark、Flink等）。
特性：YARN包含ResourceManager、NodeManager、ApplicationMaster等组件。ResourceManager负责整体资源的管理和分配，NodeManager管理单个节点上的资源，而ApplicationMaster则代表每个应用程序与ResourceManager协商资源，并与NodeManager协作以执行和监控其任务。这种架构实现了资源的动态分配和共享，提高了集群的利用率和灵活性。
综上所述，HDFS、MapReduce、YARN构成了Hadoop生态系统的核心，分别负责分布式存储、分布式计算以及资源管理和调度，共同为处理大规模数据集提供了端到端的解决方案。HDFS确保了数据的可靠存储和高效访问，MapReduce提供了并行数据处理的编程模型，而YARN作为通用的资源管理平台，能够支持多种计算框架和工作负载在同一个集群上协同运行。