大数据入门基础:Hadoop简介_第1张图片

  1.1.什么是hadoop

  1.hadoop是apache旗下的一套开源软件平台,可以通过http://apache.org/--->project-

   ->hadoop打开

大数据入门基础:Hadoop简介_第2张图片

  2.Hadoop是开源软件,可靠的、分布式、可伸缩的。

  3.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

  4.广义上来说,Hadoop通常是指一个更广泛的概念----hadoop生态圈

  1.2数据分析故事

大数据入门基础:Hadoop简介_第3张图片

大数据入门基础:Hadoop简介_第4张图片

大数据入门基础:Hadoop简介_第5张图片

大数据入门基础:Hadoop简介_第6张图片

大数据入门基础:Hadoop简介_第7张图片

大数据入门基础:Hadoop简介_第8张图片

大数据入门基础:Hadoop简介_第9张图片

大数据入门基础:Hadoop简介_第10张图片

  1.3数据有多大呢

大数据入门基础:Hadoop简介_第11张图片

大数据入门基础:Hadoop简介_第12张图片

  数据量进制:

  1G =1024M

  1T = 1024G

  1P = 1024T

  1E = 1024P

  1Z = 1024E

  1Y = 1024Z

  1N = 1024Y

大数据入门基础:Hadoop简介_第13张图片

  Hadoop 廉价机器

  去IOE

   IBM//ibm小型机.

  Oracle//oracle数据库服务器 RAC

  EMC//EMC共享存储设备

  1.4分布式

  由分布在不同主机上的进程协同在一起,才能构成整个应用。

1.分布式软件系统(Distributed Software Systems)

  2 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

2.分布式应用系统模拟开发

  需求:可以实现由主节点将运算任务发往从节点,并将各从节点上的任务启动;

  程序清单:

  AppMaster

  AppSlave/APPSlaveThread

  Task

  程序运行逻辑流程:

大数据入门基础:Hadoop简介_第14张图片

1.5 HADOOP在大数据、云计算中的位置和关系

  1. 云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合发展的产物。借助IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等业务模式,把强大的计算能力提供给终端用户。

  2. 现阶段,云计算的两大底层支撑技术为“虚拟化”和“大数据技术

1.6 HADOOP产生背景

  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。

1.7 HADOOP现状

大数据入门基础:Hadoop简介_第15张图片

大数据入门基础:Hadoop简介_第16张图片