Hadoop的入门

1、Hadoop是什么？

狭义的Hadoop：是一个适合大数据分布式存储（HDFS）、分布式计算(MapReduce)和资源调度(YARN)的平台

广义的Hadoop:指的是Hadoop生态系统，Hadoop生态系统是一个很庞大的概念，Hadoop是其中最重要最基础的一部分；

生态系统中每一个子系统只能解决某一个特定的问题域；不会去搞统一型的一个全能系统，而是小而精的多个小系统

2、Hadoop的核心组件？

HDFS(Hadoop Distributed File System):分布式文件系统   

特点：存储海量的数据&扩展性&容错性

YARN(Yet another Resource Negotiator)：资源调度系统，负责整个集群资源的管理和调度。

特点：扩展性&容错性&多框架资源统一调度

MapReduce:分布式计算框架，实现任务的分解和调度

特点：扩展性&容错性&海量数据的离线处理

3、Hadoop可以用来做什么？

搭建大型数据仓库，PB级的数据存储、处理、分析、统计等业务

比如：搜索引擎、商业智能、数据挖掘、日志分析

4、Hadoop的优势？

①高可靠性

数据存储：数据块多副本

数据计算：重新调度作业计算

②高扩展性

存储/计算资源不够时，可以横向的线性扩展机器

一个集群中可以包含数以千计的节点

③成本低

④成熟的生态圈

5、Hadoop的生态系统

Hive：将SQL语句转化为Hadoop任务去执行，极大降低了使用Hadoop的门槛

HBase：

存储结构化数据的分布式数据库，放弃了事务的特性，追求更高的扩展

它提供数据的随机读写和实时访问，实现对表数据的读写功能