Hadoop是一个分布式计算基础设施,它包含一系列相关的子项目,这些项目都隶属于Apache软件基金会(ASF)。ASF为这些开源社区项目提供支持。Hadoop里最著名的是MapReduce和分布式文件系统(HDFS),其他的子系统提供了一些附加功能,或者在core上增加了一些高级的抽象。
Core
分布式系统和通用IO组件和接口(序列化,Java 远程过程调用等等)。
Avro
支持跨语言过程调用,持久数据存储的数据序列化系统。
MapReduce
构建在廉价的PC机器上的分布式数据处理模型和运行环境。
HDFS
构建在廉价的PC机器上的分布式文件系统。
Pig
处理海量数据集的数据流语言和运行环境。pig运行在HDFS和MapReduce之上。
HBase
分布式,面向列的数据库。HBase使用HDFS作为底层存储,同时使用MapReduce支持批处理模式的计算和随机查询。
ZooKeeper
提供分布式、高效的协作服务。ZooKeeper提供分布式锁这样的原子操作,可以用来构建分布式应用。
Hive
分布式数据仓库,Hive使用HDFS存储数据,提供类似SQL的语言(转换为MapReduce任务)查询数据。
Chukwa
分布式数据采集和分析系统。使用HDFS存储数据,使用Mapreduce输出分析报告。