Apache Hadoop是什么?
Apache™Hadoop® 项目为可靠的,可扩展的分布式计算开发开源软件。
Apache Hadoop 软件库是一个框架,它允许使用简单的编程模型跨计算机群集分布式处理大型数据集。 它旨在从单个服务器扩展到数千台机器,每台机器提供本地计算和存储。 该库本身不是依靠硬件来提供高可用性,而是设计用于在应用层检测并处理故障,从而在一组计算机之上提供高可用性服务,每个计算机都可能出现故障。
该项目包括这些模块:
- Hadoop Common:支持其他 Hadoop 模块的常用工具。
- Hadoop Distributed File System(HDFS™):一种分布式文件系统,可提供对应用程序数据的高吞吐量访问。
- Hadoop YARN:作业调度和集群资源管理的框架。
- Hadoop MapReduce:一种基于YARN的系统,用于并行处理大型数据集。
Apache 的其他 hadoop 相关项目包括:
- Ambari™:一种基于Web的工具,用于供应,管理和监控Apache Hadoop集群的,其中包括对Hadoop HDFS,Hadoop MapReduce,Hive,HCatalog,HBase,ZooKeeper,Oozie,Pig和Sqoop的支持。 Ambari还提供了一个用于查看集群运行状况的仪表板,例如热图以及以可视方式查看MapReduce,Pig和Hive应用程序以及以用户友好的方式诊断其性能特征的功能。
- Avro™:数据序列化系统。
- Cassandra™:无单点故障的可扩展多主数据库。
- Chukwa™:管理大型分布式系统的数据收集系统。
- HBase™:可扩展的分布式数据库,支持大型表格的结构化数据存储。
- Hive™:提供数据汇总和即席查询的数据仓库基础架构。
- Mahout™:可扩展的机器学习和数据挖掘库。
- Pig™:用于并行计算的高级数据流语言和执行框架。
- Spark™:用于Hadoop数据的快速和通用计算引擎。 Spark提供了一个简单而富有表现力的编程模型,支持广泛的应用程序,包括ETL,机器学习,流处理和图计算。
- Tez™:一种基于Hadoop YARN的通用数据流编程框架,它提供了一个强大且灵活的引擎,可执行任意DAG任务来处理批处理和交互式用例的数据。 Hado™生态系统中的Hive™,Pig™和其他框架以及其他商业软件(例如ETL工具)正在采用Tez,以取代Hadoop™MapReduce作为基础执行引擎。
- ZooKeeper™:分布式应用程序的高性能协调服务。
入门
要入门,请从这里开始:
下载 Hadoop
请前往发布页面下载 Apache Hadoop 发布版本。
谁在使用 Hadoop?
各种各样的公司和组织都将 Hadoop 用于研究和生产。 鼓励用户将自己添加到 Hadoop PoweredBy wiki 页面。