大数据概况及hadoop生态系统
一.大数据基本概念和特征
1.什么是大数据?
大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
2.大数据特征
(1)4V特征
Volume(大数据量):90% 的数据是过去两年产生
Velocity(速度快):数据增长速度快,时效性高
Variety(多样化):数据种类和来源多样化
结构化数据、半结构化数据、非结构化数据
Value(价值密度低):需挖掘获取数据价值
(2)固有特征
时效性
不可变性
3.分布式计算
分布式计算将较大的数据分成小的部分进行处理
二.Hadoop
1.概念
Hadoop是一个开源分布式系统架构,包含:分布式文件系统HDFS——解决大数据存储,分布式计算框架MapReduce——解决大数据计算,分布式资源管理系统YARN
2.hadoop优点
(1)高扩展性,可伸缩
(2)高可靠性:多副本机制,容错高
(3)低成本
(4)无共享架构
(5)灵活,可存储任意类型数据
(6)开源,社区活跃
3.Hadoop vs. RDBMS
** ** | RDBMS | Hadoop |
---|---|---|
格式 | 写数据时要求 | 读数据时要求 |
速度 | 读数据速度快 | 写数据速度快 |
数据监管 | 标准结构化 | 任意结构数据 |
数据处理 | 有限的处理能力 | 强大的处理能力 |
数据类型 | 结构化数据 | 结构化、半结构化、非结构化 |
应用场景 | 交互式OLAP分析ACID事务处理****企业业务系统 | 处理非结构化数据****海量数据存储计算 |
4.Hadoop生态圈
(1)hadoop核心
HDFS, MapReduce, YARN
(2)数据查询分析
Hive,Pig,Impala