Hadoop简介

Hadoop介绍

• 狭义上Hadoop指的是Apache软件基金会的一款开源软件
• Hadoop核心组件
  Hadoop HDFS（分布式文件存储系统）：解决海量数据存储
  Hadoop YARN（集群资源管理和任务调度框架）：解决资源任务调度
  Hadoop MapReduce（分布式计算框架）：解决海量数据计算
• 广义上Hadoop指的是围绕Hadoop打造的大数据生态圈

Hadoop发展简史

• hadoop之父：doug Cutting
• Hadoop起源于Apache Lucene子项目：Nutch
  Nutch的设计目标是构建一个大型的全网搜索引擎
  遇到瓶颈：如何解决数十亿网页的存储和索引问题
• Google三篇论文
  《The Google file system》：谷歌分布式文件系统GFS
  《MapReduce：Simplified Data Processing on Large Clusters》：谷歌分布式计算框架MapReduce
  《Bigtable：A Distributed Storage System for Structured Data》：谷歌结构化数据存储系统

Hadoop现状

• HDFS作为分布式文件存储系统，处在生态圈的底层与核心地位
• YARN作为分布式通用的集群资源管理系统和任务调度平台，支撑各种计算引擎运行，保证了Hadoop地位
• MapReduce作为大数据生态圈第一代分布式计算引擎，由于自身设计的模型所产生的弊端，导致企业一线几乎不再直接使用MapReduce进行编程处理，但是很多软件的底层依然在使用MapReduce引擎来处理数据

Hadoop特性优点

• 扩容能力（scalability）：Hadoop是在可用的计算机集群间分配数据并完成计算任务的，这些集群可以方便灵活的方式扩展到数以千计的节点。
• 成本低（Economical）：Hadoop集群允许通过部署普通廉价的机器组成集群来处理大数据，以至于成本很低。看中的是集群的整体能力
• 效率高（efficiency）：通过并发数据，Hadoop可以在节点之间动态并行的移动数据，使得速度非常快
• 可靠性（reliability）：能自动维护数据的多份复制，并且在任务失败后能自动地重新部署（redeploy）计算任务。所以Hadoop的按位存储和处理数据的能力值得人们信赖。