什么是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,根据用户的自定义业务逻辑,对海量数据进行分布式处理
1. HADOOP的核心组件有
HDFS(分布式文件系统)
MAPREDUCE(分布式运算编程框架)
YARN(运算资源调度系统)
1.2 HADOOP产生背景
- 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。
- 2003年、2004年谷歌发表的两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