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。