Hadoop简介

摘 要

当今大数据最火爆的一个名词就是Hadoop,那么Hadoop是什么呢?

Hadoop是什么

Hadoop是一个由Apache基金会的发布的开源的,可靠的,可扩展的,分布式的运算存储系统。用户可以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。

Hadoop可以解决什么问题

  • 海量数据的存储(HDFS)
  • 海量数据的分析(MapReduce)
  • 资源管理调度(YARN)

Hadoop来源与历史

  • Hapdoop是Google的集群系统的开源实现

-Google集群系统:

GFS(Google File System)  、MapReduce、BigTable

-Hadoop主要由HDFS(Hadoop Distributed File System即hadoop分布式文件系统)、MapReduce和Hbase组成。

  • Hadoop的最初是为了解决Nutch的海量数据爬取和存储需要。
  • Hadoop在2005年秋天作为Lucene的子项目Nutch的一部分正式引入Apache基金会。

Hadoop具体能做什么

hadoop擅长日志分析
  • facebook就用Hive来进行日志分析,2009年时facebook就有非编程人员的30%的人使用HiveQL进行数据分析.
  • 淘宝搜索中的自定义筛选也使用的Hive;利用Pig还可以做高级的数据处理,包括Twitter、LinkedIn 上用于发现您可能认识的人,可以实现类似com的协同过滤的推荐效果。淘宝的商品推荐也是!
  • 在Yahoo!的40%的Hadoop作业是用pig运行的,包括垃圾邮件的识别和过滤,还有用户特征建模。(2012年8月25新更新,天猫的推荐系统是hive,少量尝试mahout!)

哪些公司使用了Hadoop

  • Hadoop被公认是一套行业大数据标准开源软件,在分布式环境下提供了海量数据的处理能力。几乎所有主流厂商都围绕Hadoop开发工具、开源软件、商业化工具和技术服务。

比较大型IT公司如EMC、Microsoft、Intel、Teradata、Cisco都明显增加了Hadoop方面的投入。

  • 在淘宝:
    • 从09年开始,用于对海量数据的离线处理,例如对日志的分析,交易记录的分析
    • 规模从当初的3~4百台节点,增加到现在的一个集群有3000个节点,淘宝现在已经有2~3个这样的集群
    • 在支付宝的集群规模也有700台节点,使用Hbase对用户的消费记录可以实现毫秒级查询

Hadoop生态圈

  • 这一切是如何开始的—Web上庞大的数据!
  • 使用Nutch抓取Web数据
  • 要保存Web上庞大的数据——HDFS应运而生
  • 如何使用这些庞大的数据?
  • 采用Java或任何的流/管道语言构建MapReduce框架用于编码并进行分析
  • 如何获取Web日志,点击流,Apache日志,服务器日志等非结构化数据——fuse,webdav, chukwa, flume, Scribe
  • Hiho和sqoop将数据加载到HDFS中,关系型数据库也能够加入到Hadoop队伍中
  • MapReduce编程需要的高级接口——Pig, Hive, Jaql
  • 具有先进的UI报表功能的BI工具- Intellicus
  • Map-Reduce处理过程使用的工作流工具及高级语言
  • 监控、管理hadoop,运行jobs/hive,查看HDFS的高级视图—Hue, karmasphere, eclipse plugin, cacti, ganglia
  • 支持框架—Avro (进行序列化), Zookeeper (用于协同)
  • 更多高级接口——Mahout, Elastic map Reduce
  • 同样可以进行Hbase

hadoop1.0和hadoop2.0的对比

Hadoop特点

  • 扩容能力(Scalable):能可靠地(reliably)存储和处理千兆字节(PB)数据。
  • 成本低(Economical):可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。
  • 高效率(Efficient):通过分发数据,hadoop可以在数据所在的节点上并行地(parallel)处理它们,这使得处理非常的快速。
  • 可靠性(Reliable):hadoop能自动地维护数据的多份副本,并且在任务失败后能自动地重新部署(redeploy)计算任务。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏喔家ArchiSelf

架构大数据应用

数据管理比以往更加复杂,到处都是大数据,包括每个人的想法以及不同的形式:广告 , 社交图谱,信息流 ,推荐 ,市场, 健康, 安全, 政府等等。 过去的三年里,...

902
来自专栏IT大咖说

大数据平台快速解决方案

摘要 大数据(big data),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,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化...

3379
来自专栏james大数据架构

0基础搭建Hadoop大数据处理-初识

  在互联网的世界中数据都是以TB、PB的数量级来增加的,特别是像BAT光每天的日志文件一个盘都不够,更何况是还要基于这些数据进行分析挖掘,更甚者还要实时进行数...

1897
来自专栏张善友的专栏

微软用于大数据管理、分析和挖掘的Hadoop发布版HDInsight

SQL Server 2012与SQL Server 2008最重要的区别之一就是与Hadoop的兼容性。Hadoop允许用户处理大量的结构化和非结构化数据并快...

1929
来自专栏xingoo, 一个梦想做发明家的程序员

大数据学习之路(持续更新中...)

在16年8月份至今,一直在努力学习大数据大数据相关的技术,很想了解众多老司机的学习历程。因为大数据涉及的技术很广需要了解的东西也很多,会让很多新手望而却步。所...

1978
来自专栏华章科技

全球100款大数据工具汇总(前50款)

是第一家针对的数据集成工具市场的ETL(数据的提取Extract、传输Transform、载入Load)开源软件供应商。Talend的下载量已超过200万人次,...

903
来自专栏大数据文摘

后Hadoop时代的大数据架构

1964
来自专栏精讲JAVA

什么是Hadoop,怎样学习Hadoop(文尾有福利)

转自java知音 概述:Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以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...

18610
来自专栏Hadoop数据仓库

HAWQ取代传统数仓实践(一)——为什么选择HAWQ

        为了跟上所谓“大数据”技术的脚步,从两年前开始着手实践各种SQL-on-Hadoop技术,从最初的Hive,到SparkSQL,再到Impala...

2838
来自专栏腾讯大数据的专栏

后Hadoop时代的大数据架构

提到大数据分析平台,不得不说Hadoop系统,Hadoop到现在也超过10年的历史了,很多东西发生了变化,版本也从0.x进化到目前的2.6版本。我把2012年后...

2798

扫码关注云+社区