大数据Hadoop系统及其演化版本

Hadoop系统演化过程:

大数据Hadoop系统及其演化版本_第1张图片
大数据Hadoop系统及其演化版本_第2张图片
大数据Hadoop系统及其演化版本_第3张图片
大数据Hadoop系统及其演化版本_第4张图片

了解更多大数据相关知识点击文章末尾:了解更多查看

HDFS:分布式存储系统(Hadoop Distributed File System):提供了高可靠性、高扩展性和高吞吐率的数据存储服务

HDFS源自于Google的GFS论文 (发表于2003年10月 ),是GFS克隆版

YARN:资源管理系统(Yet Another Resource Negotiator):负责集群资源的统一管理和调度,Hadoop 2.0新增系统,使得多种计算框架可以运行在一个集群中

MapReduce:分布式计算框架:具有易于编程、高容错性和高扩展性等优点

MapReduce源自于Google的MapReduce论文 (发表于2004年12月),是Google MapReduce克隆版

Hive:由facebook开源,基于MR的数据仓库,数据计算使用MR,数据存储使用HDFS,Hive 定义了一种类 SQL 查询语言——HQL:类似SQL,但不完全相同

日志分析:统计网站一个时间段内的pv、uv

Pig:由yahoo!开源,构建在Hadoop之上的数据仓库

大数据Hadoop系统及其演化版本_第5张图片

Mahout:数据挖掘库,基于Hadoop的机器学习和数据挖掘的分布式计算框架,实现了三大类算法 :推荐(Recommendation) 、聚类(Clustering) 、分类(Classification)

HBase:分布式数据库,源自Google的Bigtable论文 ,发表于2006年11月 ,是Google Bigtable克隆版

Zookeeper:分布式协作服务,源自Google的Chubby论文 ,发表于2006年11月 ,是Chubby克隆版

解决分布式环境下数据管理问题 :统一命名 、状态同步 、集群管理 、配置同步

Sqoop:数据同步工具,连接Hadoop与传统数据库之间的桥梁 ,支持多种数据库,包括MySQL、DB2等 ,插拔式,用户可根据需要支持新的数据库 ;本质上是一个MapReduce程序

Flume:日志收集工具,Cloudera开源的日志收集系统

Oozie:作业流调度系统

目前计算框架和作业类型繁多: MapReduce Java、Streaming、HQL、Pig等

如何对这些框架和作业进行统一管理和调度:

不同作业之间存在依赖关系(DAG);

周期性作业

定时执行的作业

作业执行状态监控与报警(发邮件、短信等)

大数据Hadoop系统及其演化版本_第6张图片

Hadoop发行版本

apache hadoop版本

CDH:Cloudera DistributedHadoop

http://archive.cloudera.com/cdh5/cdh/

HDP:Hortonworks Data Platform

http://zh.hortonworks.com/hdp/downloads/

建议选择公司发行版(不必面临版本某一个框架的选择问题),比如CDH或HDP ,推荐使用CDH(国内主流版本)

更易维护和升级

经过集成测试,不会面临版本兼容问题

了解更多

你可能感兴趣的:(大数据Hadoop系统及其演化版本)