Hadoop从零开始（一）什么是Hadoop

古时候，人们用牛来拉重物，当一头牛拉不动一根圆木的时候，他们不曾想过培育个头更大的牛。同样，我们也不需要尝试更大的计算机，而是应该开发更多的计算系统。

                                                                                          ---------格蕾斯·霍伯

首先在了解Hadoop之前，先来看看以下数据：据IDC估计2006年“数字全球”项目的数据总量为0.18ZB，并且预测到2011年这个数字将达到1.8ZB，为2006年的10倍。1ZB相当于10的21次方字节的数据，或相当于1000EB，1000000PB，或者大家更熟悉的10亿TB的数据，这相当于世界上每个人一个磁盘驱动器的数量级。Hadoop架构作为MapReduce算法的一种开源应用，是应对海量数据的理想工具。

Apache Hadoop项目简介 

Core---- 一系列分布式文件系统和通用I/O的组件和接口（序列化、Java RPC和持久化数据结构）

Avro---- 一种提供高效、跨语言PRC的数据序列化系统，持久化数据存储。

MapReduce----分布式数据处理模式和执行环境，运行于大型商用机集群；

HDFS----分布式文件系统，运行于大型商用机集群；

ZooKeeper----一个分布式的、高可用性的协调服务；

Pig---- 一种数据流语言和运行环境，用以检索非常大的数据集，运行在MapReduce和HDFS集群上；

Chukwa------ 分布式数据收集和分析系统；

Hive--- 分布式数据仓库，Hive管理HDFS中存储的数据，并提供基于SQL的查询语言用以查询数据；

Hbase---- -一个分布式的、列存储数据库。HBase使用HDFS作为底层存储，同时支持MapReduce的批量式计算和点查询。

 

其中MapReduce和HDFS是Hadoop的核心