Hadoop简介

大数据概论

1. 大数据一般指无法在一定时间范围内使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、洞察观察力和流程优化能力的海量、高增长和多样化的信息资产。

   主要为了解决海量数据的存储和海量数据的分析计算问题

2. 特点

1.大量：截至目前有些企业的数据量已经为EB量级了

2.高速：这是大数据区别于传统数据挖掘的最显著特征，根据IDC报告显示到2020年全球数据使用量将达到35.2ZB。在如此庞大的数据面前，处理效率就是企业的生命
3.多样：类型的多样性让数据被分为结构化数据和非结构化数据。相对于传统的数据库/文本为主的结构化数据，非结构化数据越来越多，包括网络音频，视频，图片，地理位置信息等，这些多样的类型数据对数据的处理能力提出了更高的要求。
4.低价值密度：价值密度的高低与数据总量的大小成反比。比如，在一天的监控视频中，有效的信息可能只有一分钟，如何快速对有价值数据进行“有效提炼”是当前需要解决的难题。

3.大数据能做什么？

• 物流仓储：大数据分析系统主力商家精细化运营、提升销量、节约成本。
• 零售：通过分析用户消费习惯，为用户购买提供方便，从而提升商品销量。如子尿布+啤酒案例。
• 旅游：深度结合大数据能力与旅游业行业需求，共建旅游产业智慧管理、智慧服务、智慧营销的未来。
• 商品广告推荐：给用户推荐可能喜欢的商品。
• 医疗：通过大数据对病例进行分析，为解决方案提供数据支撑
• 保险：海量数据挖掘及风险预测，助力保险行业精准营销。
• 金融：多维度体现用户特征，帮助金融机构推荐优质客户，防范欺诈风险
• 房产：大数据全面助力房地产行业，打造精准营销，选出更合适的地。
• 教育：通过海量数据分析，为学生量身打造课程体系。
• 人工智能

Hadoop是什么

Hadoop是一个有Apache基金会所开发的分布式系统基础架构。

主要解决，海量数据的存储和海量数据的分析计算问题。

从广义上来说，Hadoop通常是指一个更广泛的概念—Hadoop生态圈

Hadoop发展历史

Lucene框架是Doug Cutting开创的开源软件，用Java代码书写，实现与Google类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎。

2001年年底Lucene成为Apache基金会的一个子项目。

对于海量数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢。

学习和模仿Google解决这些这些问题的办法：微型版Nutch。

可以说是Google是Hadoop的思想之源(Google在大数据方面的三篇论文)

GFS—>HDFS
Map-Reduce—>MR
BigTable—>HBase

2003-2004年 ， Google公开了部分思想细节，Doug Cutting利用2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。

2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会。

2006年3月份，Map-Reduce和Nutch Distributed File System(NDFS)分别被纳入到Hadoop项目，Hadoop就此正式诞生，标志着大数据时代来临。

Hadoop名字来源于Doug Cutting儿子的玩具大象。

Hadoop的优势

高可靠性：Hadoop底层维和多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。

高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。

高容错性：能够自动将失败的任务重新分配。

hadoop组成