大数据(BigData)是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,是需要新的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。
其战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理,通过"加工"实现数据的"增值"。
从技术上看,大数据与云计算的关系密不可分,它必须依托云计算的分布式处理、分布式数据库和云存储、虛拟化技术。来对海量数据进行分布式数据挖掘。同时,大数据也代表着一种新的经济资产,如同货币或黄金一样,对现代社会经济发展产生生着重大影响。
Hadoop
一个由Apache基金会所开发的分布式系统基础架构,用于解决海量数据的存储和计算问题。
由Java语言编写,根据谷歌公司。发表的MapReduce和文件系统论文开源实现的一套完整而独立的软件。
允许用户在不了解分布式底层细节的情况下开发分布式程序,充分利用集群的威力进行高速运算和存储。
包括一个名为HDFS (Hadoop Distributed FileSystem)的分布式文件系统组件,具有高容错性、高吞吐量的特点,并设计用来部署在低廉硬件上。
核心框架包括HDFS用于海量数据存储,以及MapReduce用于海量数据计算。此外, YARN也是其重要的组成部分之一。
从狭义上讲,Hadoop指的是其核心组件和技术;从广义上讲,Hadoop代表大数据的一个技术生态圈,包括很多其他与大数据相关的软件框架和项目。