Hadoop学习之路（二）Hadoop发展背景

HK123COM 2019-02-14

展开全文

Hadoop产生的背景
Hadoop是啥
HADOOP在大数据、云计算中的位置和关系
Hadoop的技术应用
HADOOP生态圈以及各组成部分的简介
获取数据的三种方式
国内HADOOP的就业情况分析
- 1、HADOOP就业整体情况
- 2、 HADOOP就业职位要求

正文

回到顶部

Hadoop产生的背景

1. HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

2. 2003年开始谷歌陆续发表的三篇论文为该问题提供了可行的解决方案。

——分布式文件系统（GFS），可用于处理海量网页的存储

——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。

——BigTable 数据库：OLTP 联机事务处理 Online Transaction Processing 增删改
　　　　　　　　　　OLAP 联机分析处理 Online Analysis Processing 查询
　　　　　　　　　　真正的作用：提供了一种可以在超大数据集中进行实时CRUD操作的功能

3.Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache顶级项目，迎来了它的快速发展期。

回到顶部

Hadoop是啥

Hadoop的官网：http://hadoop./

1、Hadoop是Apache旗下的一套开源软件平台

2、Hadoop提供的功能：利用服务器集群，根据户自定义业逻辑对海量数进行分布式处理

3、Hadoop的核心组件：

　　1）Hadoop Common：支持其他Hadoop模块的常用工具。

　　2) Hadoop分布式文件系统（HDFS™）：一种分布式文件系统，可提供对应用程序数据的高吞吐量访问。

　　3) Hadoop YARN：作业调度和集群资源管理的框架。

　　4) Hadoop MapReduce：一种用于并行处理大型数据集的基于YARN的系统。

　　大数据的处理主要就是存储和计算。

如果说安装hadoop集群，其实就是安装了两个东西：一个操作系统YARN 和一个文件系统HDFS。其实MapReduce就是运行在YARN之上的应用。

操作系统　　文件系统　　应用程序
win7 　　　　NTFS　　　 QQ，WeChat
YARN 　　　 HDFS 　　 MapReduce

4、hadoop的概念：

　　狭义上：就是apache的一个顶级项目：apahce hadoop

　　广义上: 就是指以hadoop为核心的整个大数据处理体系

5、Apache的其他Hadoop相关项目包括：

Ambari™：一种用于供应，管理和监控Apache Hadoop集群的基于Web的工具，其中包括对Hadoop HDFS，Hadoop MapReduce，Hive，HCatalog，HBase，ZooKeeper，Oozie，Pig和Sqoop的支持。Ambari还提供了一个用于查看群集运行状况的仪表板，例如热图和可以直观地查看MapReduce，Pig和Hive应用程序的功能，以及以用户友好的方式诊断其性能特征的功能。
Avro™：数据序列化系统。
Cassandra™：无单点故障的可扩展多主数据库。
Chukwa™：管理大型分布式系统的数据收集系统。
HBase™：可扩展的分布式数据库，支持大型表格的结构化数据存储。
Hive™：提供数据汇总和即席查询的数据仓库基础架构。
Mahout™：可扩展的机器学习和数据挖掘库。
Pig™：用于并行计算的高级数据流语言和执行框架。
Spark™：用于Hadoop数据的快速和通用计算引擎。Spark提供了一个简单而富有表现力的编程模型，它支持广泛的应用程序，包括ETL，机器学习，流处理和图计算。
Tez™：一种基于Hadoop YARN的通用数据流编程框架，它提供了一个强大且灵活的引擎，可执行任意DAG任务来处理批处理和交互式用例的数据。Hado™，Pig™和Hadoop生态系统中的其他框架以及其他商业软件（例如ETL工具）正在采用Tez来替代Hadoop™MapReduce作为底层执行引擎。
ZooKeeper™：分布式应用程序的高性能协调服务。