1. Hadoop与大数据

概述

一、大数据概述

1).大数据的4V特征

  1. Volume 数据量
  2. Velocity 速度
  3. Value 基于高度分析的新价值
  4. Variety 多样性、复杂性

价值密度的高低 与 数据量 成 反比

2).大数据带来的技术变革

  1. 技术驱动:数据量大
    • 存储:文件存储 ==> 分布式存储:分散(文件分割),备份
    • 计算:单机 ==> 分布式计算
    • 网络:万兆
    • DB:RDBMS关系型数据库 ==> NoSQL(HBase/Redis)
  2. 商业驱动:创造价值

3).大数据现存的模式

  1. 手握大数据,没有大数据的思维
  2. 没有大数据,有大数据思维
  3. 有大数据,有大数据思维【找工作尽可能找这种】

4).大数据的技术概念:

  1. 单机:CPU Memory Disk
  2. 分布式并行计算/处理
    • 数据采集:Flume Sqoop
    • 数据存储: Hadoop
    • 数据处理/分析/挖掘: Hadoop/Spark/Flink...
    • 可视化: (专业的团队做这个东西,一般是前端的小伙伴)

5).大数据咋技术架构上带来的挑战

  1. 对现有数据库管理技术的挑战:用传统的关系型数据库无法解决该领域的问题
  2. 经典数据库技术并没有考虑数据的多类别
  3. 实时性的技术挑战
  4. 网络架构/数据中心/运维的挑战
  5. 其他挑战
    • 数据隐私
    • 数据源复杂多样

6).如何多大数据进行存储和分析

系统瓶颈 Google大数据技术解决方案
存储容量 MapReduce
读写速度 BigTable
计算效率 GFS

二、Hadoop 介绍

1). 定义

  1. 提供分布式的存储(一个文件被拆分成很多个块,并且以副本的方式存储在各个节点)和计算。
  2. 是一个分布式的系统基础架构:(用户在不了解分布式底层细节的情况下进行使用。)
  3. 模块:
    1. 分布式文件系统:HDFS:实现将分拣分布式存储在很多的服务器上
    2. 分布式计算框架:MapReduce:实现在很多机器上分布式并行计算
    3. 分布式资源调度框架:YARN:实现集群资源管理以及作业的调度

2).HDFS 存储框架

  1. 源自于Google的GFS论文,论文发表于2003年(HDFS是GFS的克隆版)

  2. 特点:

    • 扩展性
    • 容错性(将文件差拆块存储并建立副本)
    • 海量数据存储
  3. 将文件切分成指定大小的数据块并以多副本的方式存储在机器上。

  4. 数据的切分,多副本,容错等操作对用户是透明的(用户感觉在操作单机环境)

3). MapReduce 计算框架

  1. 源自于Google的MapReduce论文MapReduce是他的克隆
  2. 特点:
    • 扩展性
    • 容错性(作业重试)
    • 海量数据离线处理

4). ZYARN 资源调度框架

Yet Another Resource Negotiator

  1. 负责整个资源的管理和调度
  2. 特点:
    • 扩展性
    • 容错性
    • 多框架资源(ElasticSearch/Flink/Storm/Spark...)统一调度

5). 优势:

  1. 高可靠性
    • 数据存储:数据块多副本
    • 数据计算:重新调度作业计算
  2. 高扩展性
    • 存储/计算资源不够时,可以横向的线性扩展机器
    • 一个集群汇总可以包含数以千计的节点
  3. 存储在廉价机器上,降低成本(去IoE)
  4. 成熟的生态圈

6). Hadoop生态系统

  1. 狭义的Hadoop:是一个适合大数据分布式存储(HDFS)/分布式计算(MapReduce)和资源调度(YARN)的平台;
  2. 广义Hadoop:指Hadoop生态系统,Hadoop是其中最重要最基础的一个部分,生态系统中的每一个子系统只解决某一个特定的问题域(甚至可能很窄),不搞统一型的一个全能系统,而是小而精的多个小系统;

1. Hadoop与大数据_第1张图片
Hadoop生态系统.png
  1. 生态系统特点:
    • 开源、社区活跃(解决问题)
    • 囊括大数据处理的方方面面
    • 成熟的生态圈

【Hadoop发行版选择】

  1. 【CDH】: http://www.cloudera.com/ 【国内广泛使用60%~70%,推荐】
    优点:cm(cloudera manager) 通过页面一键安装各种框架、升级方便、支持impala
    缺点:cm不开源(CDH开源)、与社区版本有些许出入
  2. Hortonwords: HDP :企业发布自己的数据平台可以直接基于页面框架进行改造【推荐】
    优点:原装Hadoop/纯开源、至此tez、【适合自己定制】
    缺点:企业级安全框架不开源
  3. Apache:
    优点:纯开源,可以进行二次开发
    缺点:但是不同版本不同框架之间整合,jar冲突!...
  4. MapR: 了解【国子开头的公司使用】

你可能感兴趣的:(1. Hadoop与大数据)