似梦似意境

既然选择远方,便只顾风雨兼程

从Hadoop框架浅谈大数据生态
1.大数据概述
(1) 大数据概念
    大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
    主要解决海量数据的存储和海量数据的分析计算问题。
    按顺序的数据存储单位:bitByte、KB、MB、GB、TB、PB、EB、ZB、YBDBNB
(2) 大数据的特点L:Volume(大量);Velocity(高速);Variety(多样);values(价值密度低)

2.Hadoop是什么
(1) Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
(2) 主要解决,海量数据的存储和海量数据的分析计算问题。
(3) 广义上来说,HADOOP通常是指一个更广泛的概念——HADOOP生态圈。

3.Hadoop发展历史
(1) Lucene是Doug Cutting开创的开源软件,用java书写代码,实现与Google类似的全文搜索功能,它提供了全文检索引擎的架构,包括完整的查询引擎和索引引擎
(2) 2001年年底成为Apache基金会的一个子项目
(3) 对于大数量的场景,Lucene面对与Google同样的困难
(4) 学习和模仿Google解决这些问题的办法 :微型版Nutch
(5) 可以说Google是hadoop的思想之源(Google在大数据方面的三篇论文)
    GFS --->HDFS
    Map-Reduce --->MR
    BigTable --->Hbase
(6) 2003-2004年,Google公开了部分GFS和Mapreduce思想的细节,以此为基础Doug Cutting等人用了2年业余时间实现了DFS和Mapreduce机制,使Nutch性能飙升
(7) 2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。2006 年 3 月份,Map-Reduce和Nutch Distributed File System (NDFS) 分别被纳入称为 Hadoop 的项目中
(8) 名字来源于Doug Cutting儿子的玩具大象
(9) Hadoop就此诞生并迅速发展,标志这云计算时代来临

4.Hadoop三大发行版本
    Hadoop三大发行版本:Apache、Cloudera、Hortonworks。
    Apache版本最原始(最基础)的版本,对于入门学习最好。
    Cloudera在大型互联网企业中用的较多。
    Hortonworks文档较好。
(1) Apache Hadoop
(2) Cloudera Hadoop
(3) Hortonworks Hadoop

5.Hadoop的优势
(1) 高可靠性:Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失。
(2) 高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点。
(3) 高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度。
(4) 高容错性:能够自动将失败的任务重新分配。

6.Hadoop组成
    在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大。
    在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度,MapReduce只负责运算。
阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Luomingkui1109/article/details/80317890
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

从Hadoop框架浅谈大数据生态

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭