day06.Hadoop快速入门&云服务三种模式IaaS,PaaS和SaaS【大数据教程】

这篇博客介绍了Hadoop的基础知识,包括Hadoop的背景、产生背景、在大数据和云计算中的位置,以及国内外的应用案例。同时,详细讲解了离线数据分析流程和Hadoop集群的搭建步骤。此外,还探讨了云计算的三种服务模式:IaaS、PaaS和SaaS,解释了它们的区别和应用场景。
摘要由CSDN通过智能技术生成


day06.Hadoop快速入门&云服务三种模式IaaS,PaaS和SaaS【大数据教程】

1. HADOOP背景介绍

1.1 什么是HADOOP

1). HADOOPapache旗下的一套开源软件平台

2). HADOOP提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理

3). HADOOP的核心组件有

A. HDFS(分布式文件系统)

B. YARN(运算资源调度系统)

C. MAPREDUCE(分布式运算编程框架)

4). 广义上来说,HADOOP通常是指一个更广泛的概念——HADOOP生态圈


1.2 HADOOP产生背景

1). HADOOP最早起源于Nutch

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。

2). 2003年、2004年谷歌发表的两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。

3). Nutch的开发人员完成了相应的开源实现HDFSMAPREDUCE,并从Nutch中剥离成为独立项目HADOOP,到20081月,HADOOP成为Apache顶级项目,迎来了它的快速发展期。


1.3 HADOOP在大数据、云计算中的位置和关系

1). 云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合发展的产物。借助IaaS(基础设施即服务)PaaS(平台即服务)SaaS(软件即服务)等业务模式,把强大的计算能力提供给终端用户。 

2). 现阶段,云计算的两大底层支撑技术虚拟化”和“大数据技术

3). HADOOP则是云计算的PaaS层的解决方案之一,并不等同于PaaS,更不等同于云计算本身。

 

1.4 国内外HADOOP应用案例介绍

1).HADOOP应用于数据服务基础平台建设

 

2).HADOOP用于用户画像

 

3).HADOOP用于网站点击流日志数据挖掘

 

1.5 国内HADOOP的就业情况分析

1).HADOOP就业整体情况

A. 大数据产业已纳入国家十三五规划

B. 各大城市都在进行智慧城市项目建设,而智慧城市的根基就是大数据综合平台

C. 互联网时代数据的种类,增长都呈现爆发式增长,各行业对数据的价值日益重视

D. 相对于传统JAVAEE技术领域来说,大数据领域的人才相对稀缺

E. 随着现代社会的发展,数据处理和数据挖掘的重要性只会增不会减,因此,大数据技术是一个尚在蓬勃发展且具有长远前景的领域

 

2).HADOOP就业职位要求

大数据是个复合专业,包括应用开发、软件平台、算法、数据挖掘等,因此,大数据技术领域的就业选择是多样的,但就HADOOP而言,通常都需要具备以下技能或知识:

     A. HADOOP分布式集群的平台搭建

     B. HADOOP分布式文件系统HDFS的原理理解及使用

     C. HADOOP分布式运算框架MAPREDUCE的原理理解及编程

     D. Hive数据仓库工具的熟练应用

     E. Flumesqoopoozie等辅助工具的熟练使用

     F. Shell/python等脚本语言的开发能力

 

3).HADOOP相关职位的薪资水平

大数据技术或具体到HADOOP的就业需求目前主要集中在北上广深一线城市,薪资待遇普遍高于传统JAVAEE开发人员,以北京为例:


1.6 HADOOP生态圈以及各组成部分的简介

 

各组件简介

HADOOP(hdfsMAPREDUCEyarn元老级大数据处理技术框架,擅长离线数据分析

Zookeeper 分布式协调服务基础组件

Hbase  分布式海量数据库,离线分析和在线业务通吃

Hive sql  数据仓库工具,使用方便,功能丰富,基于MR延迟大

Sqoop 数据导入导出工具

Flume 数据采集框架

 

重点组件:

HDFS分布式文件系统

MAPREDUCE分布式运算程序开发框架

HIVE基于大数据技术(文件系统+运算框架)的SQL数据仓库工具

HBASE基于HADOOP的分布式海量数据库

ZOOKEEPER分布式协调服务基础组件

Mahout基于mapreduce/spark/flink等分布式运算框架的机器学习算法库

Oozie工作流调度框架

Sqoop数据导入导出工具

Flume日志数据采集框架

分布式系统概述

注:由于大数据技术领域的各类技术框架基本上都是分布式系统,因此,理解hadoopstormspark等技术框架,都需要具备基本的分布式系统概念

 

评论 1
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

打赏作者

Java帮帮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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