Hadoop是什么?
写博客是为了可以帮助像我一样的小小白,能够快速的理解大数据方面的知识,也是记录自己的学习过程和做个笔记吧。
Hadoop是一个能够对大量数据进行分布式处理的软件框架。也就是说可以用来处理PB级别数据的存储与计算。关键词就是大量数据、分布式。我们主要解决的问题有:
1.大量数据怎么存
2.大量数据怎么进行计算
打一个比方,我们出去旅行需要带行李箱装行李,但东西实在是太多了,一个行李箱已经装不下了,所以就需要两个行李箱,要是还不够那就多带一个行李箱- -。这个就像我们的数据,如果一个数据太大了,一台服务器已经装不下了怎么办,那就将这个数据进行切分,切成多块数据,一台服务器存一块,读数据的时候将多块数据在组合起来,这就解决了大数据怎么存储的问题了。
在举个例子,我们小时候都计算过从1一直加到100,一个人算实在是太费劲了,偷个懒,找几个志同道合的小伙伴,小明你算1+…20,小白你算21+…40,小黑你算41+…60,小李你算61+…80,小刘你算81+…100,小宁你把他们算好的数在加到一起,1+…100就搞定了,其中我就负责了指挥作用,这样就解决了大数据计算问题和调度问题。
大数据基本思想就是分而治之,hadoop中解决存储的就是HDFS组件,解决计算的是MapReduce组件,解决资源调度的是YARN组件。后面几篇博客会将各个组件拿出来重点讲解。