问题:
1.Haphoop概述
可靠的、可扩展的、分布式的框架(大数据数据体量大,所以采用分布式的多线程方式);
The project includes these modules:
Hadoop Common: The common utilities that support the other Hadoop modules.
Hadoop Distributed File System (HDFS™): A distributed file system that provides high-throughput access to application data.
Hadoop YARN: A framework for job scheduling and cluster resource management.
Hadoop MapReduce: A YARN-based system for parallel processing of large data sets
搭建大型数据仓库,PB级数据的存储、处理、分析、统计等业务。
应用:日志分析、搜索引擎、数据挖掘、商业智能。
2.分布式文件系统——HDFS
源自于Google的GFS论文,论文发表于2003年,特点是可扩展性(节点可扩展)、容错性(数据复制多个副本)和海量数据存储。
- 将文件切分成指定大小的数据块并以多副本存储在多个机器上;
- 数据切分、多副本、容错操作对于用户是透明的;
3.资源调度系统——YARN(Yet Another Resource Negotiator)
负责集群的管理和调度,具有可扩展性(计算能力不够时通过添加机器的方式扩充资源)、容错性(作业在执行过程中运行过程中出现问题,多次试错)和多框架资源统一调度。
3.分布式计算框架——MapReduce(Yet Another Resource Negotiator)
源自于Google的MapReduce论文,发表于2004年,特点扩展性、容错性及海量数据离线处理。