一、Hadoop是什么?
1、Hadoop狭义是框架,广义是生态圈
2、Hadoop框架,java语言实现开源软件框架,是开发和运行处理大规模数据的软件平台
3、Hadoop生态圈,当下的Hadoop已经成长为一个庞大的体系,随着生态系统的成长,新出现的项目越来越多,其中包含一些非Apache主管的项目,这些项目对HADOOP是很好的补充或者更高层的抽象
Hadoop开源框架核心组件
1、HDFS(分布式文件系统):解决海量数据存储
2、YARN(作业调度和集群资源管理的框架):解决资源任务调度
3、MAPREDUCE(分布式运算编程框架):解决海量数据计算
二、Hadoop生态是什么?
1、PIG、HIVE:基于HADOOP的分布式数据仓库,提供基于SQL的查询数据操作
2、Apache Drill:用真正的SQL查询实现数据查询,并支持多数据NoSQL数据源
3、Spark:将数据处理过程放在内存中进行,速度更快
4、HBASE:基于HADOOP的分布式海量数据库
5、ZOOKEEPER:分布式协调服务基础组件
6、Mahout、Spark MLlib:基于mapreduce/spark/flink等分布式运算框架的机器学习算法库
7、OOZIE:工作流调度框架,任务调度工具,可以定时处理数据等
8、Sqoop:数据导入导出工具(如用于mysql和HDFS之间)
9、FLUME:日志数据采集框架
10、IMPALA:基于hive的实时sql查询分析
11、Solr & Lucene:检索和索引工具
12、Ambari: 对分布式集群的管理工具,包括监视,维护等