【大数据】基于大数据平台的日志分析系统 Day2-Hadoop整体介绍及集群搭建

本文介绍了大数据的定义、特点以及衡量单位,重点讲解了Hadoop的产生背景、核心组件以及Hadoop集群的分布式和伪分布式搭建过程,包括集群规划、配置、软件安装、主机映射和免密登录等关键步骤。
摘要由CSDN通过智能技术生成

目录

大数据简介¶

Hadoop整体概念¶

Hadoop 集群搭建¶

分布式集群搭建¶

伪分布式搭建¶


大数据简介

数据

数据就是数值,也就是我们通过观察、实验或计算得出的结果。数据有很多种,最简单的就是数字。数据也可以是文字、图像、声音等。在计算机系统中,数据以二进制信息单元 0,1 的形式表示。

大数据

大数据(big data),指的是在一定时间范围内不能以常规软件工具处理(存储和计算)的大而复杂的数据集。

  • 数据衡量单位
    • 从小到大排列:bit、Byte、KB、MB、GB、TB、PB、EB、 ZB、YB、BB、NB、DB


据国际数据公司(IDC)统计,全球数据总量预计 2020 年达到 44ZB,中国数据量将达到 8060EB, 占全球数据总量的 18%

  • 大数据的特点
    • 容量(Volume):数据的大小决定所考虑的数据的价值和潜在的信息
      • 新浪微博,3 亿用户,每天上亿条微博
      • 朋友圈,8 亿用户,每天亿级别朋友圈
    • 种类(Variety):数据类型的多样性,包括文本,图片,视频,音频
      • 结构化数据:可以用二维数据库表来抽象,抽取数据规律
      • 半结构化数据:介于结构化和非结构化之间,主要指 XML,HTML 等,也可称非结构化
      • 非结构化数据:不可用二维表抽象,比如图片,图像,音频,视频等
    • 速度(Velocity):指获得数据的速度以及处理数据的速度
      • 数据的产生呈指数式爆炸式增长
      • 处理数据要求的延时越来越低
    • 价值(Value):合理运用大数据,以低成本创造高价值
      • 单条数据记录无价值,无用数据多
      • 综合价值大,隐含价值大

一句话:容量大,种类多,速度快,价值高

Hadoop整体概念

产生背景

  • Hadoop 是Apache Lucene 创始人 Doug Cutting 创建的,最早起源于 Apache Nutch项目。Nutch 的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题 ——如何解决数十亿网页的存储和索引问题
  • 2003 年、2004 年谷歌发表的三篇论文为该问题提供了可行的解决方案
    • 分布式文件系统 GFS,可用于处理海量网页的存储
    • 分布式计算框架 MapReduce,可用于处理海量网页的索引计算问题
    • 分布式数据库 BigTable,每一张表可以存储上 billions 行和 millions 列
  • Nutch 的开发人员完成了相应的开源实现 HDFS 和 MapReduce,并从 Nutch 中剥离成为独立项目 Hadoop,到 2008 年 1 月,Hadoop 成为 Apache 顶级项目,迎来了它的快速发展期

什么是Hadoop

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值