二十、大数据概论

                                          大数据概论

1、大数据概念

      大数据（big  data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
      最小的基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

      1Byte = 8bit       1K = 1024bit       1MB = 1024K        1G = 1024M
      1T = 1024G       1P = 1024T       1E = 1024P             1Z = 1024E
      1Y = 1024Z       1B = 1024Y       1N = 1024B             1D = 1024N

2、大数据特点

      Volume（大量）、Velocity（高速）、Variety（多样）、4）Value（低价值密度）

3、Hadoop基础介绍

      Hadoop的框架最核心的设计就是：HDFS和MapReduce。
      HDFS为海量的数据提供了存储（存储）。
      MapReduce为海量的数据提供了计算（计算）。
      主要解决，海量数据的存储和海量数据的分析计算问题。

4、Hadoop三大发行版本

1）Apache版本最原始（最基础）的版本，对于入门学习最好。
2）Cloudera在大型互联网企业中用的较多。
3）Hortonworks文档较好。

5、Hadoop优势

1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。

6、Hadoop组成

1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。
      NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。
      DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
      Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

2）Hadoop MapReduce：一个分布式的离线并行计算框架。
      MapReduce将计算过程分为两个阶段：Map和Reduce
      Map阶段并行处理输入数据
      Reduce阶段对Map结果进行汇总

3）Hadoop YARN：作业调度与集群资源管理的框架。
      ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；
      NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；
      ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
      Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

4）Hadoop Common：支持其他模块的工具模块。

7、大数据技术生态体系

8、推荐系统架构