文章目录
一、大数据特点
- Volume(大量)
- Velocity(高速)
- Variety(多样)
- Value(低价值密度)
- Veracity(真实性)
二、Hadoop生态圈
1、狭义的Hadoop:核心项目Common、HDFS、MapReduce。
2、广义的Hadoop:狭义的Hadoop+其他项目(zookeeper、 hbase、 hive等)
- hadoop common
为Hadoop其他项目提供一些常用工具,如系统配置工具Configuration、远程过程调用RPC序列化机制、Hadoop抽 象文件系统FileSystem等。 - hadoop hdfs
分布式文件系统,运行于大型商用机集群,是Hadoop体系中海量数据存储管理的基础. - hadoop mapreduce
分布式数据处理模型和执行环境,是Hadoop体系中海量数据处理的基础。 - hbase
一个分布式的面向列的数据库,构建在HDFS之上,适用于Hadoop应用需要实时读/写随机访问非常大型数据集。 - zookeeper
一个分布式的服务框架,解决了分布式计算中的一致性问题,可用于解决分布式应用中遇到的数据管理问题,如统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理等,常作为其他Hadoop相关项目的主要组件。 - spark
Spark是一种基于内存的分布式并行计算框架,不同于MapReduce的是-- Job中间输 出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。 - flink
Flink是一个基于内存的分布式并行处理框架,类似于Spark, 但在部分设计思想有较大出入。对Flink而言,其所要处理的主要场景就是流数据,批数据只是流数据的一个极限特例而已。 - kafka
Kafka是一种高吞吐量的分布式发布订阅消息系统,它可以处理消费者规模的网站中的所有动作流数据。实现了主题、分区及其队列模式以及生产者、消费者架构模式。 - oozie
Oozie是一个可扩展的工作体系、工作流调度器,集成于Hadoop的堆栈,用于协调多个MapReduce作业的执行。它能够管理一个 复杂的系统,基于外部事件来执行,外部事件包括数据的定时和数据的出现。 - mahout
一个机器学习和数据挖掘的库,提供用于聚类、回归测试和统计建模常见算法的MapReduce实现。