笔记--大数据--大数据概念

大数据：指无法在一定时间范围内用常规软件工具进行捕捉、管理和
处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化
能力的海量、高增长率和多样化的信息资产。
按顺序给出数据存储单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
1Byte = 8bit 1K = 1024Byte 1MB = 1024K
1G = 1024M 1T = 1024G 1P = 1024T
大数据主要解决，海量数据的采集、存储和分析计算问题。

大数据特点
4V Volume大量 Velocity高速 Variety多样 Value低价值密度
大数据技术生态体系

• Sqoop：Sqoop 是一款开源的工具，主要用于在 Hadoop、Hive 与传统的数据（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到 Hadoop 的
  HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。
• Flume：Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume 支持在日志系统中定制各类数据发送方，用于收集数据；
• Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息系统；
• Spark：Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数据进行计算。
• Flink：Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
• Oozie：Oozie 是一个管理 Hadoop 作业（job）的工作流程调度管理系统。
• Hbase：HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
• Hive：Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的 SQL 查询功能，可以将SQL 语句转换为 MapReduce 任务进行运行。其优点是学习成本低，可以通过类 SQL 语句快速实现简单的
  MapReduce 统计，不必开发专门的 MapReduce 应用，十分适合数据仓库的统计分析。
• ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等

------笔记来自尚硅谷课件的自学