·本系列主要学习Hadoop生态圈,以Hadoop为例,进入大数据技术的学习。其中,主要部分为:分布式文件系统HDFS, 分布式资源调度YARN, 分布式计算框架MapReduce, 数据仓库HIVE, Hadoop分布式集群搭建。
大数据概览
1. 大数据的5V特点(IBM):
· Volume(大量)
· Velocity(高速)
· Variety (多样)
· Value (低密度价值)
· Veracity(真实性)
是一种规模很大,以至于在获取、存储、管理、分析等方面远远超过了传统数据库软件能力范围的数据集合,具有海量数据规模, 快速的数据流转, 多样的数据类型, 价值密度低等几个特征。大数据处理的数据多为非结构化数据。
结构化数据:本质上就是数据库,由二维表结构来表达和实现数据,严格遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理
非结构化数据:不适合用数据库二维表表示,包括所有的办公文档,图片音频,视频信息
2. 大数据带来的技术变革
由于大数据的上述特点,驱动了一下技术的变革:
- 存储:单一机器的文件存储 ——> 分布式存储(块 + 多副本存储)
- 计算:单一机器进行计算 ——> 分布式计算(MapReduce)
- 网络: 万兆网络
- DB: RDBMS(relational database management system)——> NoSQL(HBase/Redis...)
3. 挑战
- 对现有数据库管理技术的挑战
- 经典数据库没有考虑的多类别
- 实时性带来的技术挑战
- 网络架构/数据中心/运维挑战
- 其它:数据隐私/数据源复杂多样