当前的大数据系统架构主要有两种:一种是MPP数据库架构,另一种就是Hadoop体系的分层架构。这两种架构各有优势和适合的场景。
本文从生态体系、集群硬件架构、体系分层功能架构三方面来讲解Hadoop体系的分层架构。
在大数据时代,传统的系统已无法处理具有6V特征(数据量大、数据结构多变、数据更新快、数据黏性大、数据波动大、数据质量差)的大数据,但是高性能硬件价格昂贵。在这种情况下,Hadoop架构应运而生,使用互连的廉价商业硬件,通过连接大量低成本服务器协作,高效存储和处理大量数据。
01 Hadoop生态系统
现今常说的大数据技术,起源于 Google 的三篇重量级论文:2003 年 10 月发表的《Google 文件系统》、2004 年 12 月发表的《MapReduce:超大集群的简单数据处理》和 2006 年 11 月发表的《BigTable:结构化数据的分布式存储系统》,为大数据时代提供了三项革命性技术:GFS、MapReduce和BigTable。
- GFS(Google File System):是Google面向大规模数据密集型应用的、可伸缩的分布式文件系统,可在廉价的硬件上运行,并具有可靠的容错能力。
- MapReduce:是一种并行编程模式,可以在超大分布式集群上并行运算,对超大规模的数据集进行处理。
- BigTable:是GFS上构建的处理结构化数据的分布式数据库,可以用于处理海量数据的