HADOOP 背景介绍

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

1. 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。
2. 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