官网:http://hadoop.apache.org/ HADOOP是apache旗下的一套开源软件平台,HADOOP提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理 HADOOP的核心组件有:
广义上来说,HADOOP通常是指一个更广泛的概念——HADOOP生态圈
重点组件
组件 | 说明 |
---|---|
HDFS | 分布式文件系统 |
MAPREDUCE | 分布式运算程序开发框架 |
HIVE | 基于大数据技术(文件系统+运算框架)的SQL数据仓库工具 |
HBASE | 基于HADOOP的分布式海量数据库 |
ZOOKEEPER | 分布式协调服务基础组件 |
Mahout | 基于mapreduce/spark/flink等分布式运算框架的机器学习算法库 |
Oozie | 工作流调度框架 |
Sqoop | 数据导入导出工具 |
Flume | 日志数据采集框架 |
新浪数据应用平台 https://www.yqt365.com/goToNewGeneralizeMain.action?searchFrom=0&fromChannel=20 大数据的意义及应用 不在于掌握庞大的数据信息 而在于对这些含有意义的数据进行专业化处理为决策提供依据
大数据涉及领域
分布式软件系统(Distributed Software Systems),该软件系统会划分成多个子系统或模块,各自运行在不同的机器上,子系统或模块之间通过网络通信进行协作,实现最终的整体功能,比如分布式操作系统、分布式程序设计语言及其编译(解释)系统、分布式文件系统和分布式数据库系统等。
流程图解析 本案例跟典型的BI系统极其类似,整体流程如下
由于本案例的前提是处理海量数据,因而,流程中各环节所使用的技术则跟传统BI完全不同
整个过程的流程调度:hadoop生态圈中的oozie工具或其他类似开源产品.
项目最终效果 经过完整的数据处理流程后,会周期性输出各类统计指标的报表,在生产实践中,最终需要将这些报表数据以可视化的形式展现出来,本案例采用web程序来实现数据可视化 效果如下所示: