对Hadoop认识与安装

对Hadoop认识与安装

1.简介
• Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统 底层细节透明的分布式基础架构
•Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计 算机集群中
•Hadoop的核心是分布式文件系统HDFS（Hadoop Distributed File System）和 MapReduce
•Hadoop被公认为行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力
•几乎所有主流厂商都围绕Hadoop提供开发工具、开源软件、商业化工具和技术服务，
如谷歌、雅虎、微软、思科、淘宝等，都支持Hadoop。

2.发展简史
• Hadoop最初是由Apache Lucene项目的创始人Doug Cutting开发的文 本搜索库。Hadoop源自始于2002年的Apache Nutch项目——一个开源 的网络搜索引擎并且也是Lucene项目的一部分
• 在2004年，Nutch项目也模仿GFS开发了自己的分布式文件系统 NDFS（Nutch Distributed File System），也就是HDFS的前身
• 2004年，谷歌公司又发表了另一篇具有深远影响的论文，阐述了 MapReduce分布式编程思想
• 2005年，Nutch开源实现了谷歌的MapReduce
•到了2006年2月，Nutch中的NDFS和MapReduce开始独立出来，成为Lucene项目的一个子项目，称为Hadoop，同时，Doug Cutting加盟 雅虎
• 2008年1月，Hadoop正式成为Apache顶级项目，Hadoop也逐渐开始被雅虎之外的其他公司使用
• 2008年4月，Hadoop打破世界纪录，成为最快排序1TB数据的系统，
它采用一个由910个节点构成的集群进行运算，排序时间只用了209秒
•在2009年5月，Hadoop更是把1TB数据排序时间缩短到62秒。
Hadoop从此名声大震，迅速发展成为大数据时代最具影响力的开源分布式开发平台，并成为事实上的大数据处理标准。

3.特性
Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且 是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方 面的特性：
• 高可靠性
• 高效性
• 高可扩展性
• 高容错性
• 成本低
• 运行在Linux平台上
• 支持多种编程语言

4.应用现状
• Hadoop凭借其突出的优势，已经在各个领域得到了广泛的应用，而 互联网领域是其应用的主阵地
• 2007年，雅虎在Sunnyvale总部建立了M45——一个包含了4000个处 理器和1.5PB容量的Hadoop集群系统
• Facebook作为全球知名的社交网站，Hadoop是非常理想的选择，
Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等 方面
• 国内采用Hadoop的公司主要有百度、淘宝、网易、华为、中国移动等，其中，淘宝的Hadoop集群比较大

5.版本演变

•Apache Hadoop版本分为两代，我们将第一代Hadoop称为Hadoop 1.0，第二代Hadoop称为Hadoop 2.0
•第一代Hadoop包含三个大版本，分别是0.20.x，0.21.x和0.22.x，其 中，0.20.x最后演化成1.0.x，变成了稳定版，而0.21.x和0.22.x则增加 了NameNode HA等新的重大特性
•第二代Hadoop包含两个版本，分别是0.23.x和2.x，它们完全不同于 Hadoop 1.0，是一套全新的架构，均包含HDFS Federation和YARN两 个系统，相比于0.23.x，2.x增加了NameNode HA和Wire-compatibility 两个重大特性

Hadoop的各种版本：
• Apache Hadoop
• Hortonworks
• Cloudera（CDH：Cloudera Distribution Hadoop）
• MapR
• ……
选择 Hadoop版本的考虑因素：
•是否开源（即是否免费）
•是否有稳定版
•是否经实践检验

6.项目结构

Hadoop的项目结构不断丰富发展，已经形成一个丰富的Hadoop生态系统

7.安装与使用

（1）Linux的选择：建议使用CentOS 或Ubuntu
（2）32位还是64位？
•如果电脑比较老或者内存小于2G，那么建议选择32位系统版本的L