Hadoop2.x成员模块介绍
Zookeeper担任三种角色,领导者,学习者,客户端,主要是一种协调hadoop的机制。
|---领导者负责投票的发起和决议,更新系统状态。
|---学习者--|--跟随者--用于接收客户端的请求并向客户端返回 结点,在选过程中负责参与投票
|--观察者--可以接受客户端的连接,将写请求转发给 领导者,但观察者不参与投票,只同步领导者状态。 目的是扩展系统,提高读取速度。
|---客户端--|--请求发起方
Hbase 结构化分布式非关系数据库,BigTable的开源实现。
Hive Hive是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具,可以用来进行数据提取转化加载(ETL),这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 是一种底层封装了Hadoop 的数据仓库处理工具,使用类SQL 的HiveQL 语言实现数据查询,所有Hive 的数据都存储在Hadoop 兼容的文件系统(例如,Amazon S3、HDFS)中。Hive 在加载数据过程中不会对数据进行任何的修改,只是将数据移动到HDFS 中Hive 设定的目录下。
sqoop将关系型数据库中的数据与HDFS(HDFS文件, HBase中表, Hive表)上的数据进行相互的导入和导出。是数据库ETL工具 >>提取----转换-----加载。。。。从数据库中获取数据,并经过一系列的数据清理和筛选。将合格的数据进行转换成为一定的格式数据进行存储。将格式化的数据存储到HDFS文件系统上,以供计算框架进行数据分析和挖掘。
格式化数据:|
|------TSV格式:每行数据的每列之间以制表符\t进行分割
|------CSV格式:每行数据的每列之间以制表符‘,逗号’进行分割。
Flume 收集日志工具,收集各个应用系统和框架的日志,将其放到HDFS分布式文件系统的相应制定的目录下。
Mahout:可伸缩的机器学习和数据挖掘工具。
Pig:高级数据流语言,执行并行计算。
chukwa:用于管理分布式系统的数据收集系统。