hadoop介绍

以下内容是我的学习笔记,网络课程的笔记。出处

Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。

HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。

介绍hadoop就是需要先了解hadoop的使用场景,先熟悉一下下面的概念:

什么是大数据

基本概念

简单说就是 数据处理
在互联网技术发展到现今阶段,大量日常、工作等事务产生的数据都已经信息化,
人类产生的数据量相比以前有了爆炸式的增长,
以前的传统的数据处理技术已经无法胜任,需求催生技术,一套用来处理海量数据的软件工具应运而生,这就是大数据!
  • 处理海量数据的核心技术 *

海量数据存储:分布式 海量数据运算:分布式

这些核心技术的实现是不需要用户从零开始造轮子的 存储和运算,都已经有大量的成熟的框架来用

存储框架:

  1. HDFS——分布式文件存储系统(HADOOP中的存储框架)
  2. HBASE——分布式数据库系统
  3. KAFKA——分布式消息缓存系统(实时流式数据处理场景中应用广泛)

运算框架:

(要解决的核心问题就是帮用户将处理逻辑在很多机器上并行)

  1. MAPREDUCE—— 离线批处理/HADOOP中的运算框架
  2. SPARK —— 离线批处理/实时流式计算
  3. STORM —— 实时流式计算

辅助类的工具

(解放大数据工程师的一些繁琐工作):

  1. HIVE —— 数据仓库工具:可以接收sql,翻译成mapreduce或者spark程序运行
  2. FLUME——数据采集
  3. SQOOP——数据迁移
  4. ELASTIC SEARCH —— 分布式的搜索引擎

换个角度说, 大数据是:

  1. 有海量的数据
  2. 有对海量数据进行挖掘的需求
  3. 有对海量数据进行挖掘的软件工具(hadoop、spark、storm、flink、tez、impala......)

大数据在现实生活中的具体应用

  1. 数据处理的最典型应用:公司的产品运营情况分析
  2. 电商推荐系统:基于海量的浏览行为、购物行为数据,进行大量的算法模型的运算,得出各类推荐结论,以供电商网站页面来为用户进行商品推荐
  3. 精准广告推送系统:基于海量的互联网用户的各类数据,统计分析,进行用户画像(得到用户的各种属性标签),然后可以为广告主进行有针对性的精准的广告投放

什么是hadoop

Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。

Hadoop解决哪些问题?

* 海量数据需要及时分析和处理
* 海量数据需要深入分析和挖掘
* 数据需要长期保存
* 海量数据存储的问题:
* 磁盘IO称为一种瓶颈,而非CPU资源
* 网络带宽是一种稀缺资源
* 硬件故障成为影响稳定的一大因素

hadoop中有3个核心组件:

  1. 分布式文件系统:HDFS —— 实现将文件分布式存储在很多的服务器上
  2. 分布式运算编程框架:MAPREDUCE —— 实现在很多机器上分布式并行运算
  3. 分布式资源调度平台:YARN —— 帮用户调度大量的mapreduce程序,并合理分配运算资源

hdfs整体运行机制

hdfs:分布式文件系统 hdfs有着文件系统共同的特征: 有目录结构,顶层目录是: / 系统中存放的就是文件 系统可以提供对文件的:创建、删除、修改、查看、移动等功能

hdfs跟普通的单机文件系统有区别:

  1. 单机文件系统中存放的文件,是在一台机器的操作系统中, hdfs的文件系统会横跨N多的机器 单机文件系统中存放的文件,是在一台机器的磁盘上 hdfs文件系统中存放的文件,是落在n多机器的本地单机文件系统中(hdfs是一个基于linux本地文件系统之上的文件系统)

hdfs的工作机制:

客户把一个文件存入hdfs,其实hdfs会把这个文件切块后,分散存储在N台linux机器系统中(负责存储文件块的角色:data node)<准确来说:切块的行为是由客户端决定的> 一旦文件被切块存储,那么,hdfs中就必须有一个机制,来记录用户的每一个文件的切块信息,及每一块的具体存储机器(负责记录块信息的角色是:name node) 为了保证数据的安全性,hdfs可以将每一个文件块在集群中存放多个副本(到底存几个副本,是由当时存入该文件的客户端指定的) 综述:一个hdfs系统,由一台运行了namenode的服务器,和N台运行了datanode的服务器组成!

我的博客即将入驻“云栖社区”,诚邀技术同仁一同入驻。

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

来自专栏大数据技术学习

大数据认知阶段——如何学习大数据相关技术

已经看了大数据相关知识一阵时间了,自己也是从新手开始的,所以看了大量的大数据如何入门的技术博客、帖子等,下面记录总结下自己学习的内容。

1835
来自专栏数说工作室

你的每一次点击行为,是如何变成数据的?| 聊一聊互联网公司的内部数据采集

数据是怎么来的? 在很多行业,数据都是人工收集来的,比如医学疾病数据、环境数据、经济数据等。数据的更新周期也比较长,比如年度、月度。 但互联网行业不一样,这个...

6127
来自专栏数据科学与人工智能

数据质量监控的那些事

0x00 前言 往往那些不起眼的功能,最能毁掉你的工作成果。 本篇分享一些和数据质量监控相关的内容。数据质量监控是一个在快速发展的业务中最容易被牺牲和忽略的功能...

7535
来自专栏我是攻城师

hadoop常见问题解答

4385
来自专栏腾讯大数据的专栏

腾讯大数据套件带你玩转大数据

前言 ‍ 人类每一次大的技术变革都是先在新兴产业生根发芽,再慢慢把触角伸到传统行业。在当前这股由IT(Information Technology)向DT(Da...

2567
来自专栏性能与架构

Uber 现在的技术构成

Uber 经过6年的快速发展,技术构成已经非常复杂,下面看下 Uber 官方公布的技术栈 底层基础 使用混合云模式,结合了多个云服务提供商,全球多个数据中心,如...

3845
来自专栏大数据和云计算技术

多租户技术

多租户技术(Multi-TenancyTechnology)又称多重租赁技术,用于实现如何在多用户的环境下共用相同的系统或程序组件,并且仍可确保各用户间数据的隔...

1.6K7
来自专栏Java后端技术栈

这些开挂的Chrome插件助你的工作和学习事半功倍!

Chrome在全世界能够如此受欢迎,除了它的稳定性强,速度快这些优点外,还有就是它的插件是非常丰富强大的!最重要的是作为一个程序员,如果不使用Chrome的话你...

1242
来自专栏IT大咖说

从选型到实现——企业级云端大数据平台最佳实践

2343
来自专栏EAWorld

独家系列:让我们遇见未来——为什么选择SEDA作为云平台的基础消息处理架构(PPT)

? 我们身处在一个数字化商业的时代,作为一名IT工作者,如何保证我们所设计的系统、开发的服务在面对复杂不确定的网络环境中,还要去交付准确可靠稳定的服务? 我...

3694

扫码关注云+社区

领取腾讯云代金券