hadoop生态

hadoop生态包含hadoop、spark、hive、hbase、flink、kafka、zookeeper、hdfs、mapreduce、yarn、pig、sqoop、Phoenix等。

1. HDFS：Hadoop 生态圈的基本组成部分是 Hadoop 分布式文件系统（HDFS）。HDFS 是一种数据分布式保存机制，数据被保存在计算机集群上。数据写入一次，读取多次。HDFS为 HBase 等工具提供了基础。
2. MapReduce：Hadoop 的主要执行框架是 MapReduce，它是一个分布式、并行处理的编程模型。MapReduce 把任务分为 map(映射)阶段和 reduce(化简)。开发人员使用存储在HDFS 中数据（可实现快速存储），编写 Hadoop 的 MapReduce 任务。由于MapReduce工作原理的特性， Hadoop 能以并行的方式访问数据，从而实现快速访问数据。
3. Hbase：HBase 是一个建立在 HDFS 之上，面向列的 NoSQL 数据库，用于快速读/写大量数据。HBase 使用 Zookeeper 进行管理，确保所有组件都正常运行。
4. ZooKeeper：用于 Hadoop 的分布式协调服务。Hadoop 的许多组件依赖于Zookeeper，它运行在计算机集群上面，用于管理 Hadoop 操作。
5. Hive：Hive 类似于 SQL 高级语言，用于运行存储在 Hadoop 上的查询语句，Hive 让不熟悉 MapReduce 开发人员也能编写数据查询语句，然后这些语句被翻译为Hadoop 上面的 MapReduce 任务。像 Pig 一样，Hive 作为一个抽象层工具，吸引了很多熟悉SQL 而不是 Java 编程的数据分析师。
6. Pig：它是 MapReduce 编程的复杂性的抽象。Pig 平台包括运行环境和用于分析Hadoop数据集的脚本语言(Pig Latin)。其编译器将 Pig Latin 翻译成 MapReduce 程序序列。
7. Sqoop：是一个连接工具，用于在关系数据库、数据仓库和 Hadoop 之间转移数据。Sqoop利用数据库技术描述架构，进行数据的导入/导出；利用 MapReduce 实现并行化运行和
   8）Spark：Spark是一个通用的大数据分析引擎，具有高性能、易用和普遍性等特点。Spark架构基于Spark Core构建了Spark SQL、Spark Streaming、MLlib和Graphx四个主要编程库，分别用于离线ETL（Extract-Transform-Load）、在线数据分析、流计算、机器学习和图计算等场景
   9）Kafka：Kafka是一种高吞吐量、持久性、分布式的发布订阅的消息队列系统。它最初由LinkedIn(领英)公司发布，使用Scala语言编写，与2010年12月份开源，成为Apache的顶级子项目。
   10)yarn：资源调度和任务管理，四大组件：（四个进程）ResourceManager（Rm）：主进程、Nodemanager（NM）：各个机器节点管理器、ApplicationMaster（AM）：申请资源、Container容器：处理各个节点分布式作业的。
   11）Phoenix：Phoenix 构建在 HBase 之上的开源 SQL 层。能够让我们使用标准的 JDBC API 去建表, 插入数据和查询 HBase 中的数据, 从而可以避免使用 HBase 的客户端 API。在我们的应用和 HBase 之间添加了 Phoenix, 并不会降低性能, 而且我们也少写了很多代码。

phoneix的本质就是定义了大量的协处理器，使用协处理器帮助我们完成HBase的操作！

另：iotdb：incubator-iotdb https://iotdb.apache.org/
IoTDB (Internet of Things Database) 是由清华大学主导的 Apache 孵化项目，是一款聚焦工业物联网、高性能轻量级的时序数据管理系统，也是一款开源时序数据库，为用户提供数据收集、存储和分析等服务。