Hadoop简介！

Hadoop 是什么 ?

随着数据量的急剧增加，遇到的两个最直接的问题就是数据存储和计算 ( 分析 / 利用 ) 。

Hadoop 是由 Apache 基金会所开发的一个用 Java 实现的分布式基础框架，也可以看做是一个支持开发、运行由通用计算设备组成的大型集群上的分布式应用的平台。 Hadoop 中的两个最重要的组件— HDFS 和 MapReduce 就是用来解决海量数据 ( 分布式 ) 存储、海量数据 ( 分布式 ) 计算的。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

Hadoop 实现了一个分布式文件系统（ Hadoop Distributed File System ），简称 HDFS 。 HDFS 有高容错性的特点，并且设计用来部署在低廉的（ low-cost ）硬件上；而且它提供高吞吐量（ high throughput ）来访问应用程序的数据，适合那些有着超大数据集（ large data set ）的应用程序。 HDFS 放宽了（ relax ） POSIX 的要求，可以以流的形式访问（ streaming access ）文件系统中的数据。

HDFS 有两种节点， NameNode 和 DataNode 。 DataNode 主要用来存储数据， NameNode 管理着整个文件系统的交互。相对于普通的文件系统， HDFS 显著的特点是分布式海量存储、备份机制。

Hadoop 的框架最核心的设计就是： HDFS 和 MapReduce 。 HDFS 为海量的数据提供了存储，则 MapReduce 为海量的数据提供了计算。 MapReduce ：并行计算框架， MapReduce 其实是一种分布式计算模型，多个计算机并行计算，共同做一件事情。

 

Hadoop 的应用场景：

简单认识了什么是 Hadoop ，再来了解一下 Hadoop 一般都适用于哪些场景。

Hadoop 主要应用于大数据量的离线场景，特点是大数据量、离线。

数据量大：一般真正线上用 Hadoop 的，集群规模都在上百台到几千台的机器。这种情况下， T 级别的数据也是很小的。

离线： Mapreduce 框架下，很难处理实时计算，作业都以日志分析这样的线下作业为主。另外，集群中一般都会有大量作业等待被调度，保证资源充分利用。

另外，由于 HDFS 设计的特点， Hadoop 适合处理文件块大的文件。大量的小文件使用 Hadoop 来处理效率会很低。

 

Hadoop 常用的场景有：

大数据量存储：分布式存储（各种云盘，百度， 360~ 还有云平台均有 hadoop 应用）

l   日志处理

l   海量计算，并行计算

l   数据挖掘 ( 比如广告推荐等）

l   行为分析，用户建模等

l   ……

 

更多 Hadoop 课程：https://edu.aliyun.com/course/1330?utm_content=g_1000056844

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/69926013/viewspace-2650008/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/69926013/viewspace-2650008/