google三篇论文:
- 分布式文件系统 GFS
- 大数据分布式计算框架 MapReduce
- NoSQL 数据库系统 BigTable
一句话概括即使分布式!通过大量廉价的机器构建集群,完成海量数据、存储计算的那些事儿
后来有了Hadoop:HDFS+Mapreduce,Yahoo很早就开始实用Hadoop(搜索主要干两个事,爬网页存起来,建索引,Hadoop可以说完美的解决了早起的搜索引擎的那些事儿)
Hadoop后来成为了Apache的顶级项目
后来Yahoo搞出来Pig,是一个类似sql语法的东东,经过变异转成了Mapreduce程序,运行在Hadoop上
Facebook推出Hive,这个是真的支持sql语法的
hadoop周边:
- Sqoop,支持关系数据库数据的导入、导出到Hadoop
- Flume,支持海量日志的收集、聚合、传输
- Oozie,支持mapreduce的工作流调度引擎
MapReduce组成:
- 执行引擎
- 资源调度引擎,后来衍生出Yarn
Yarn:MapReduce的升级版,支持大数据计算迭代+利用内存,更快
批处理计算(大数据离线计算):
- MapReduce
- Spark
大数据流计算(大数据实时计算):
- Storm
- Flink
- Spark Streaming
NOSQL:
- Hbase,从Hadoop分离出来,基础HDFS的NoSQL系统
- Cassandra