Hadoop之大数据技术生态体系

1. 大数据技术生态体系

图中涉及的技术名词解释如下:

(1) Sqoop:sqoop是一款开源的工具,主要用于在 Hadoop(Hive) 与传统的数据库 (mysql) 间进行数据的传递,可以将一个关系型数据库 (例如 : MySQL,Oracle 等) 中的数据导进到 Hadoop 的 HDFS 中,也可以将 HDFS 的数据导进到关系型数据库中。

(2) Flume:Flume 是 Cloudera 提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume 支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume 提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。

(3) Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统,有如下特性:

A、通过 O(1) 的磁盘数据结构提供消息的持久化,这种结构对于即使数以 TB 的消息存储也能够保持长时间的稳定性能;

B、高吞吐量:即使是非常普通的硬件 Kafka 也可以支持每秒数百万的消息;

C、支持通过 Kafka 服务器和消费机集群来分区消息;

D、支持 Hadoop 并行数据加载。

(4) Storm:Storm 为分布式实时计算提供了一组通用原语,可被用于“流处理”之中,实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm 也可被用于“连续计算”(continuous computation),对数据流做连续查询,在计算时就将结果以流的形式输出给用户。

(5) Spark:Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数据进行计算。

(6) Oozie:Oozie 是一个管理 Hadoop 作业 (job) 的工作流程调度管理系统。Oozie 协调作业就是通过时间(频率)和有效数据触发当前的 Oozie 工作流程。

(7) Hbase:HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。

(8) Hive:Hive 是基于 Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的 sql 查询功能,可以将 sql 语句转换为 MapReduce 任务进行运行。 其优点是学习成本低,可以通过类 SQL 语句快速实现简单的 MapReduce 统计,不必开发专门的 MapReduce 应用,十分适合数据仓库的统计分析。

(9) R语言:R是用于统计分析、绘图的语言和操作环境。R 是属于 GNU 系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。

(10) Mahout: Apache Mahout 是个可扩展的机器学习和数据挖掘库,当前 Mahout 支持主要的4个用例:

A、推荐挖掘:搜集用户动作并以此给用户推荐可能喜欢的事物;

B、聚集:收集文件并进行相关文件分组;

C、分类:从现有的分类文档中学习,寻找文档中的相似特征,并为无标签的文档进行正确的归类;

D、频繁项集挖掘:将一组项分组,并识别哪些个别项会经常一起出现。

(11) ZooKeeper:Zookeeper 是 Google 的 Chubby 一个开源的实现。它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、 分布式同步、组服务等。ZooKeeper 的目标就是封装好复杂易出错的关键服务,将简单易用的接口和性能高效、功能稳定的系统提供给用户。

本文是在本人在学习 Hadoop 时的总结归纳和笔记,如果觉得对你有帮助,不要忘了点赞,评论,转发哟!!!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190105G16ERC00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券