大数据技术与架构——(二)大数据处理架构Hadoop(上)

文章目录

  • 1.Hadoop概述
    • 1.1Hadoop简介
    • 1.2Hadoop发展简史
    • 1.3Hadoop的特性
    • 1.4Hadoop的应用现状
    • 1.5 Apache Hadoop版本演变
    • 1.6 Hadoop各种版本(企业开发产品)
  • 2.Hadoop项目结构

1.Hadoop概述

1.1Hadoop简介

  • Hadoop是Apache [ә’pætʃi]软件基金会旗下的一个开源分布式计算平台,
    为用户提供了系统底层细节透明分布式基础架构
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第1张图片
  • Hadoop是基于Java语言开发的,具有很好的跨平台特性,并且可以部署在廉价的计算机集群中
  • Hadoop可以支持多种编程语言,如C、C++、Java、Python
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第2张图片
  • Hadoop = HDFS(存)+MapReduce(算)
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第3张图片

1.2Hadoop发展简史

  • 创始人Doug Cutting
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第4张图片
  • Nutch 是一个开源Java实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。
  • 2003年,谷歌发布了分布式文件系统GFS(Google File System)
  • 在2004年,Nutch项目也模仿GFS开发了自己的分布式文件系统NDFS(Nutch Distributed File System),也就是HDFS的前身
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第5张图片
  • 2004年,谷歌发布了分布式并行编程框架MapReduce
  • 到了2006年2月,Nutch中的NDFS和MapReduce开始独立出
    来,成为Lucene项目的一个子项目,称为Hadoop。
  • 2008年1月,Hadoop正式成为Apache顶级项目。
  • Hadoop成名史:2008年4月,Hadoop打破世界纪录,成为最快排序
    1TB数据的系统,它采用一个由910个节点构成的集群进行运算,排序时
    间只用了209秒。
  • 在2009年5月,Hadoop更是把1TB数据排序时间缩短到62秒。Hadoop
    从此名声大震,迅速发展成为大数据时代最具影响力的开源分布式开发平
    台,并成为事实上的大数据处理标准。

1.3Hadoop的特性

Hadoop是一个能够对大量数据进行分布式处理的软件框架,并且是以一种可靠、高效、可伸缩的方式进行处理的,它具有以下几个方面的特性:

  • 高可靠性
    多台机器构成集群,部分机器发生故障,剩余机器可以继续对外提供服务。
  • 高效性
    成百上千台机器一起计算
  • 高可扩展性
    可以不断往集群中增加机器
  • 高容错性
    当数据被发送到一个单独的节点,该数据也被复制到集群的其他节点上,这意味着故障发生时,存在另一个副本可供使用。
  • 成本低
    Hadoop通过普通廉价的机器组成服务器集群来分发以及处理数据,以至于成本很低。
  • 运行在Linux平台上
  • 支持多种编程语言

1.4Hadoop的应用现状

  • Hadoop凭借其突出的优势,已经在各个领域得到了广泛的应用,而互联网领域是其应用的主阵地.
  • Facebook作为全球知名的社交网站,Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等方面.
  • 国内采用Hadoop的公司主要有百度、淘宝、网易、华为、中国移动等,其中,淘宝的Hadoop集群比较大

大数据技术与架构——(二)大数据处理架构Hadoop(上)_第6张图片

  • Hadoop相关应用支撑上层的3种应用
  • 不同的Hadoop组件实现不同的企业分析
  • 最底层HDFS满足企业中大量数据存储的需求
  • 存储后进行分析:
  • 离线分析对数据进行批量处理,如MR(MapReduce)也可以用数据仓库产品Hive和Pig
  • 实时查询用Hbase数据库
  • 数据挖掘用Mahout

1.5 Apache Hadoop版本演变

  • Apache Hadoop版本分为两代,我们将第一代Hadoop称为Hadoop 1.0,第二代Hadoop称为Hadoop 2.0
    • 第一代Hadoop包含三个大版本,分别是0.20.x,0.21.x和0.22.x,其中,0.20.x最后演化成1.0.x,变成了稳定版,而0.21.x和0.22.x则增加了NameNode HA等新的重大特性
    • 第二代Hadoop包含两个版本,分别是0.23.x和2.x,它们完全不同于Hadoop 1.0,是一套全新的架构
  • Hadoop 1.0两大核心
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第7张图片
  • 包括两部分工作=数据处理+集群的资源管理(集群CPU、内存分配)
  • 从Hadoop 1.0到Hadoop 2.0的变化
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第8张图片
  • 流计算的资源调度也是YARN负责
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第9张图片
  • 批处理计算搭建在YARN之上,由YARN进行资源调度
    大数据技术与架构——(二)大数据处理架构Hadoop(上)_第10张图片

1.6 Hadoop各种版本(企业开发产品)

大数据技术与架构——(二)大数据处理架构Hadoop(上)_第11张图片

2.Hadoop项目结构

大数据技术与架构——(二)大数据处理架构Hadoop(上)_第12张图片
大数据技术与架构——(二)大数据处理架构Hadoop(上)_第13张图片

你可能感兴趣的:(大数据技术与架构,hadoop,大数据,架构)