初识Hadoop,
一、Hadoop是什么:Hadoop是一个开发和运行处理大规模数据的软件平台,是Appach的一个用java语言实现开源软件框架,实现在大量计算机 组成的集群中对海量数据进行分布式计算。HDFS实现存储,MapReduce实现分析处理。二、Hadoop框架中核心
HDFS:Hadoop Distributed File System,Hadoop的分布式文件系统,提供了海量数据的存储;大文件被分成默认64M一块的数据块分布存储在集群机器中。
MapReduce:概念"Map(映射)"和"Reduce(化简)",是一种编程模型,用于大规模数据集(由键/值对组成,大于1TB)的并行计算。提供了对数据的分析计算。Hadoop 为每一个input split创建一个task调用Map计算,在此task中依次处理此split中的一个个记录(record),map会将结果以key--value的形式输出,hadoop负责按key值将map的输出整理后作为Reduce的输入,Reduce Task的输出为整个job的输出,保存在HDFS上。
三、Hadoop项目简述:
Common:一组分布式文件系统和通用I/O组件与接口(序列化、Java RPC和持久化数据结构)。
Avro:一种支持高效、跨语言的RPC以及永久存储数据的序列化系统。
MapReduce:分布式“数据处理”模型和执行环境,运行于大型商用机集群。
HDFS:分布式“文件”系统,运行于大型机集群
Pig:一种数据流语言和运行环境,用以检索非常大的数据集。Pig运行在MapReduce和HDFS的集群上。
Hive:一个分布式、按列存储的数据仓库。Hive管理HDFS中存储的数据,并提供基于SQL的查询语言(由运行时引擎翻译成MapReduce作业)用以查询数据。
HBase:一个分布式、按列存储数据库。HBase使用HDFS作为底层存储,同时支持MapReduce的批量式计算和点查询(随机读取)。
ZooKepper:一个分布式、可用性高的协调服务。ZoopKeeper提供分布式锁之类的基本服务用于构建分布式应用。
Sqoop:在数据库和HDFS之间高效传输数据的工具。
本站文章为和通数据库网友分享或者投稿,欢迎任何形式的转载,但请务必注明出处.
同时文章内容如有侵犯了您的权益,请联系QQ:970679559,我们会在尽快处理。