- ETL:数据抽取到oracle、mysql、DB2、mongdb及主流数据库
- 使用HBase做数据分析: 用扩展性应对大量的写操作—Facebook构建了基于HBase的实时数据分析系统
- 大量地从文件中顺序读。HDFS对顺序读进行了优化,代价是对于随机的访问负载较高。
- 数据支持一次写入,多次读取。对于已经形成的数据的更新不支持。
- 数据不进行本地缓存(文件很大,且顺序读没有局部性)
- 任何一台服务器都有可能失效,需要通过大量的数据复制使得性能不会受到大的影响。
=======================================================
1. common ----------一组分布式文件系统和通用的IO组件接口
2. Avro ----------一种支持高效、跨语言的饿PRC以及永久存储的序列化系统
3. MapReduce ---------分布式数据处理模型和执行环境,运行于大熊商用机集群
4. HDFS ----------分布式文件系统
5. pig ----------一种数据流语言和运行环境,用以检索非常大的数据集 pig运行在MapReduce和HDFS的集群上
6. HIve ----------一个分布式,按列存储的数据仓库,Hive管理HDFS中存储的数据,并提供基于SQL查询语言
7. Hbase- --------- 一个分布式,按列存储数据库,Hbase使用HDFS作为底层存储,同时支持MapReduce的批量式计算和点查询
8. ZooKeeper ----------一个分布式,可用性高的协调服务,提供分布式锁之类的基本服务用于构建分布式应用
9. Sqoop ----------在数据库和HDFS之间高效传输数据的工具