00 初识Hadoop

1 Hadoop是个什么鬼？

简单的说，Hadoop是一个用来处理大数据的分布式软件，它提供了一个分布式文件存储（HDFS）、一个资源调度系统（YARN）以及一个分布式并行计算框架（MAPREDUCE）。作为介绍Hadoop的第一篇文章，笔者认为还是有必要好好唠唠嗑，说说它的前世今生，颜值妙用。

Hadoop最早起源于Nutch。Nutch的目标是创建出一个大型的、健壮、可扩展的搜索引擎，

1.HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

2.2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。

——分布式文件系统（GFS），可用于处理海量网页的存储

——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。

3.Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache顶级项目，迎来了它的快速发展期。