系列文章目录
Hadoop了解篇
Hadoop之HDFS
Hadoop之MapReduce
Hadoop之Yarn
Hadoop之优化&新特性
前言
随着数据量的不断增加,对于数据的存储的要求就越来越高,我们如何能够解决大量的数据的存储,并且方便海量数据的分析计算呢?本文讲述的就是一款解决海量数据存储和计算分析的框架—Hadoop
一、什么叫作大数据
1.大数据概念
Big Data:指的是在一定范围内无法用常规软件工具进行捕捉、管理和处理的数据集合。
通常数据达到TB、PB、EB级别的数据我们用常规方法就很难处理了。
2.大数据的特点
1)大量:人类生产的所有印刷材料的数据量是约200PB;
2)高速:2019年双十一,天喵交易额1分36秒超100亿,可以想象这一分半所产生的交易数据。举个例子:100元产生1K的交易数据,100亿产生的数据接近100G,每秒产生的数据约1G;
3)多样:比如日常我们发朋友圈,既有文字,又有图片、视频、地理位置信息等;
4)低价值密度:在悬疑剧中,我们调监控往往只是想找某一分钟的画面,可我们却往往得看好几个小时的视频才能找到。因而在当下大数据的背景下,如何快速找出有价值的数据成为待解决的难题。
3.大数据开发的架构
平台开发
平台搭建/集群监控
数据仓库开发
ETL(数据清洗)、数据分析、数据仓库建模
实时开发
实时指标分析,性能调优
数据挖掘开发
算法、推荐系统、用户画像
可视化开发
数据可视化、前端
二、Hdoop框架
1.Hadoop是什么?
1)是Apache基金会所开发的分布式系统基础框架
2)主要解决海量数据的存储和海量数据的分析计算问题
2.Hadoop的优势
1)高可靠性:底层维护多个副本
2)高扩展性:在集群间分配任务数据,可方便的扩充数以千计的节点
3)高效性:计算是在MapReduce的思想下,Hadoop是并行工作的,加快任务处理速度
4)高容错性:能够自动将失败的任务重新分配
3.Hadoop组成
Hadoop2.X版本:
组成 | 作用 |
---|---|
MapReduce | 计算 |
Yarn | 资源调度 |
HDFS | 数据存储 |
Common | 辅助工具 |
总结
第一部分抛出问题,面对海量数据,我们如何高效存储及分析计算?
第二部分解决问题,面对海量数据,我们引入分布式数据存储及计算数据的框架—Hadoop,对于Hadoop各组件的功能实现原理将在后续章节中会给大家讲述。