Hadoop 介绍

Hadoop是一个开源框架来存储和处理大型数据在分布式环境中。它包含两个模块，一个是MapReduce，另外一个是Hadoop分布式文件系统（HDFS）。

MapReduce：

它是一种并行编程模型在大型集群普通硬件可用于处理大型结构化，半结构化和非结构化数据。

HDFS：

Hadoop分布式文件系统是Hadoop的框架的一部分，用于存储和处理数据集。它提供了一个容错文件系统在普通硬件上运行。 

 

Hadoop生态系统包含了用于协助Hadoop的不同的子项目（工具）模块，如Sqoop, Pig 和 Hive。

Sqoop: 

        它是用来在HDFS和RDBMS之间来回导入和导出数据。

Pig: 

        它是用于开发MapReduce操作的脚本程序语言的平台。

Hive: 

它是用来开发SQL类型脚本用于做MapReduce操作的平台。

注：有多种方法来执行MapReduce作业：

传统的方法是使用Java MapReduce程序结构化，半结构化和非结构化数据。

针对MapReduce的脚本的方式，使用Pig来处理结构化和半结构化数据。

Hive查询语言（HiveQL或HQL）采用Hive为MapReduce的处理结构化数据。