《十小时入门大数据》学习笔记之初识Hadoop

笔记内容概括

1. Hadoop概述
  1.1 Hadoop名字的由来
  1.2 Hadoop介绍
  1.3 Hadoop能做什么
1. Hadoop核心组件
  2.1 HDFS(分布式文件系统)
  2.2 YARN(资源调度系统)
  2.3 MapReduce(分布式计算框架)
1. Hadoop优势
1. Hadoop发展史
1. Hadoop 生态系统
  5.1 狭义Hadoop VS 广义Hadoop
  5.2 Hadoop生态系统的特点
1. Hadoop发行版本的选择

1、Hadoop概述

1.1 Hadoop名字的由来

Hadoop项目作者的孩子给一个棕黄色的大象样子的填充玩具的命名

图片.png

Hadoop的官网：http://hadoop.apache.org ,一定要学会看官网、养成看官网的习惯。

1.2 Hadoop介绍

Hadoop是Apache的一个顶级项目、是开源的、分布式存储+分布式计算平台；它由以下几个模块构成：
Hadoop Common: 这是支持hadoop其他模块的通用工具模块
Hadoop Distributed File System(HDFS）:分布式文件系统
Hadoop YARN: 统一资源管理和任务调度
Hadoop MapReduce:基于yarn系统的分布式计算框架
下图是官网的描述：

图片.png

1.3 Hadoop能做什么

搭建大型数据仓库，PB级数据的存储、处理、分析、统计等业务，如：智能商业、日志分析、搜索引擎、数据挖掘等场景。

2、Hadoop核心组件

/2.1 HDFS(分布式文件系统)

源自于Google的GFS论文，论文发表于2003年10月
HDFS是GFS的克隆版
HDFS特点:扩展性&容错性&海量数据存储
将文件切分成指定大小的数据块并以多副本的存储在多个机器上
数据切分、多副本、容错等操作对用户是透明的

图片.png

2.2 YARN(资源调度系统)

YARN: Yet Another Resource Negotiator
负责整个集群资源的管理和调度
YARN特点：扩展性&容错性&多框架资源统一调度

图片.png

2.3 MapReduce(分布式计算框架)

源自于Google的MapReduce论文。论文发表于2004年12月
MapReduce是Google MapReduce的克隆版
MapReduce特点：扩展性&容错性&海量数据离线处理

图片.png

3、Hadoop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
一个集群中可以包含数以千计的节点
(3)、其他
存储在廉价机器上，降低成本
成熟的生态圈

4、Hadoop的发展史

这篇博文有很详细的介绍：十年了，Hadoop的前世今生博文链接

5、Hadoop生态系统

5.1 狭义Hadoop VS 广义Hadoop

狭义Hadoop：
指的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)平台,即传统意义上的Hadoop。
广义Hadoop：指的是整个Hadoop生态系统，Hadoop生态系统是一个很庞大的概念，Hadoop是其中最重要最基础的一部分；生态系统中的每一个子系统只能解决某一特定的问题域(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。

图片.png

5.2 Hadoop生态系统的特点

开源、社区活跃
囊括了大数据处理的方方面面
成熟的生态圈

6、 Hadoop常用发行版本和和选型

Apcahe Hadoop:存在jar包冲突的问题，一般只用于学习；
CDH(Cloudera Distributed Hadoop):商业版，不存在jar冲突问题，配置简单、文档详细，具有容易升级的优点，生产环境中大多选择该版本，缺点是代码不开源，下载地址；
HDP(Hortonworks Data Platform):存在安装升级和删除节点困难的问题，一般也应用于商业场景。

《十小时入门大数据》之系列学习笔记

《十小时入门大数据》学习笔记之大数据概述