一、Hadoops大数据生态
1、Mapreduce
MapReduce是一种编程模型,用于支持能够并行处理的大型数据集,且其封装了并行计算、容错、数据分布、负载均衡等细节问题。
MapReduce 是 Hadoop 生态系统和 Spark 中的一个重要组件,其原理是分治算法(Divide-and-Conquer):通过把工作拆分成较小的数据集,完成一些独立任务,来支持大量数据的并行处理。
- MapReduce 从用户那里获取整个数据集,把它分割为更小的任务(MAP),然后把它们分配到各个工作节点。
- 一旦所有工作节点成功地完成了它们各自的独立任务,就会聚合(REDUCE)各独立任务的结果,然后返回整个数据集的结果。
通常,Map 和 Reduce 函数是用户定义的函数,它们解决了以往需要用代码解决的业务用例。
2、HDFS
HDFS(Hadoop File System)是 Hadoop 的分布式文件存储系统。
当数据量越来越多,在一个操作系统管辖的范围