大数据框架Hadoop——基本概念了解

• hadoop是什么？What Is Apache Hadoop?

    The Apache™ Hadoop® project develops open-source software for reliable, scalable, distributed computing.

• hadoop主要解决的三大问题：

    海量数据的存储（HDFS）

    海量数据的分析（MapReduce）

    资源管理调度（YARN）

• 作者：Doug Cutting

    受Google三篇论文的启发(GFS、MapReduce、BigTable)

• hadoop具体能做什么？    

    hadoop擅长日志分析，facebook就用Hive来进行日志分析，2009年时facebook就有非编程人员的30%的人使用HiveQL进行数据分析；淘宝搜索中的自定义筛选也使用的Hive；利用Pig还可以做高级的数据处理，包括Twitter、LinkedIn 上用于发现您可能认识的人，可以实现类似Amazon.com的协同过滤的推荐效果。淘宝的商品推荐也是！在Yahoo！的40%的Hadoop作业是用pig运行的，包括垃圾邮件的识别和过滤，还有用户特征建模。（2012年8月25新更新，天猫的推荐系统是hive，少量尝试mahout！）

• 都有哪些公司使用hadoop

    Hadoop被公认是一套行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力。几乎所有主流厂商都围绕Hadoop开发工具、开源软件、商业化工具和技术服务。大型IT公司，如EMC、Microsoft、Intel、Teradata、Cisco都明显增加了Hadoop方面的投入。

• hadoop架构

•  hadoop和虚拟化的差异

• hadoop的特点

    扩容能力（Scalable）：能可靠地（reliably）存储和处理千兆字节（PB）数据。

    成本低（Economical）：可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。

    高效率（Efficient）：通过分发数据，hadoop可以在数据所在的节点上并行地（parallel）处理它们，这使得处理非常的快速。

    可靠性（Reliable）：hadoop能自动地维护数据的多份副本，并且在任务失败后能自动地重新部署（redeploy）计算任务。 

•  hadoop部署方式

    本地模式

    伪分布模式

    集群模式

• 伪分布模式安装步骤

    关闭防火墙

    修改ip

    修改hostname

    设置ssh自动登录

    安装jdk

    安装hadoop