大数据hadoop入门之hadoop家族详解

大数据这个词也许几年前你听着还会觉得陌生，但我相信你现在听到 hadoop 这个词的时候你应该都会觉得“熟悉”！越来越发现身边从事 hadoop 开发或者是正在学习 hadoop 的人变多了。作为一个 hadoop 入门级的新手，你会觉得哪些地方很难呢？运行环境的搭建恐怕就已经足够让新手头疼。如果每一个发行版 hadoop 都可以做到像大快 DKHadoop 那样把各种环境搭建集成到一起，一次安装搞定所有，那对于新手来说将是件多么美妙的事情！

闲话扯得稍微多了点，回归整体。这篇准备给大家 hadoop 新入门的朋友分享一些 hadoop 的基础知识—— hadoop 家族产品。通过对 hadoop 家族产品的认识，进一步帮助大家学习好 hadoop ！同时，也欢迎大家提出宝贵意见！

一、Hadoop定义

Hadoop 是一个大家族，是一个开源的生态系统，是一个分布式运行系统，是基于Java编程语言的架构。不过它最高明的技术还是HDFS和MapReduce，使得它可以分布式处理海量数据。

 

二、Hadoop产品

 

 

 

HDFS （分布式文件系统）：

它与现存的文件系统不同的特性有很多，比如高度容错（即使中途出错，也能继续运行），支持多媒体数据和流媒体数据访问，高效率访问大型数据集合，数据保持严谨一致，部署成本降低，部署效率提高等，如图是HDFS的基础架构。

 

 

 

MapReduce/Spark/Storm （并行计算架构）：

1 、数据处理方式来说分离线计算和在线计算：

角色

描述

MapReduce

MapReduce 常用于离线的复杂的大数据计算

Storm

Storm 用于在线的实时的大数据计算，Storm的实时主要是一条一条数据处理；

Spark

可以用于离线的也可用于在线的实时的大数据计算，Spark的实时主要是处理一个个时间区域的数据，所以说Spark比较灵活。

 

2 、数据存储位置来说分磁盘计算和内存计算：

角色

描述

MapReduce

数据存在磁盘中

Spark 和Strom

数据存在内存中

 

Pig/Hive （Hadoop编程）：

角色

描述

Pig

是一种高级编程语言，在处理半结构化数据上拥有非常高的性能，可以帮助我们缩短开发周期。

Hive

是数据分析查询工具，尤其在使用类SQL查询分析时显示出极高的性能。可以在分分钟完成ETL要一晚上才能完成的事情，这就是优势，占了先机！

 

HBase/Sqoop/Flume （数据导入与导出）:

角色

描述

HBase

是运行在HDFS架构上的列存储数据库，并且已经与Pig/Hive很好地集成。通过Java API可以近无缝地使用HBase。

Sqoop

设计的目的是方便从传统数据库导入数据到Hadoop数据集合(HDFS/Hive)。

Flume

设计的目的是便捷地从日志文件系统直接把数据导入到Hadoop数据集合(HDFS)中。

以上这些数据转移工具都极大地方便了使用的人，提高了工作效率，把精力专注在业务分析上。

 

ZooKeeper/Oozie （系统管理架构）：

角色

描述

ZooKeeper

是一个系统管理协调架构，用于管理分布式架构的基本配置。它提供了很多接口，使得配置管理任务简单化。

Oozie

Oozie 服务是用于管理工作流。用于调度不同工作流，使得每个工作都有始有终。这些架构帮助我们轻量化地管理大数据分布式计算架构。

 

Ambari/Whirr （系统部署管理）：

角色

描述

Ambari

帮助相关人员快捷地部署搭建整个大数据分析架构，并且实时监控系统的运行状况。

Whirr

Whirr 的主要作用是帮助快速地进行云计算开发。

 

Mahout （机器学习）：

Mahout 旨在帮助我们快速地完成高智商的系统。其中已经实现了部分机器学习的逻辑。这个架构可以让我们快速地集成更多机器学习的智能。

大家喜欢多多关注，你的关注是我最大的动力

 

转载于:https://my.oschina.net/u/3981088/blog/2252649