Hadoop简介:
- 分布式、可扩展、可靠的、分布式计算框架。
组件:
common:公共组件
hdfs:分布式文件系统
yarn:运行环境
mapreduce:mr计算模型
生态系统:
Ambari:操作界面
avro:通用的序列化机制、与语言无关
cassandra:数据库
chukwa:数据收集系统
hbase:分布式大表数据库
hive:基于sql的分析系统
matout:机器学习算法库
pig:脚本语言
spark:快速通用的计算引擎,主要用于迭代计算
tez:数据流框架
zookeeper:高性能的协调服务
海量数据分析:
- 原始方式?空间限制|性能限制|单节点故障| 细节实现问题
- hdfs?提供统一接口|大文件切分|分布式存储|平行扩展|高可靠
HDFS
hadoop生态系统分布式文件系统,用来解决大数据存储问题。
hdfs是在本地文件系统之上抽象出的文件系统,提供统一的访问接口(目录树)&#x