Hadoop概述

Hadoop概述

Hadoop是什么

  • hadoop是一个由Apache基金会所开发的分布式系统基础框架

  • 其主要解决,海量数据的存储和海量数据的的分析计算问题

  • 广义上,Hadoop通常是指一个更加广泛的概念——Hadoop生态圈

Hadoop的发展历史

  • Hadoop创始人Doug Cutting,为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级,查询引擎和索引引擎。

](https://gitee.com/ilusymon//images4md/raw/master/Nefelibata/image-20210621161540936.png)

  • 2001年年底Lucene成为Apache基金会的一个子项目。

  • 对于海量数据的场景,Lucene框 架面 对与Google同样的困难,存储海量数据困难,检索海量速度慢。

  • 学习和模仿Google解决这些问题的办法 :微型版Nutch。

  • 可以说Google是Hadoop的思想之源(Google在大数据方面的三篇论文)

GFS --->HDFS

Map-Reduce --->MR

BigTable --->HBase

  • 2003-2004年,Google公开了部分GFS和MapReduce思想的细节,以此为基础Doug Cutting等人用 了2年业余时间实现了DFS和MapReduce机制,使Nutch性能飙升。

  • 2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。

  • 2006 年 3 月份,Map-Reduce和Nutch Distributed File System (NDFS)分别被纳入到 Hadoop 项目 中,Hadoop就此正式诞生,标志着大数据时代来临。 9)名字来源于Doug Cutting儿子的玩具大象

Hadoop三大发行版本(了解)

  • 三大发行版本:Apache、Cloudera、Hortonworks

  • Apache 版本最原始(最基础)的版本,对于入门学习最好。2006

  • Cloudera 内部集成了很多大数据框架,对应产品 CDH。2008

  • Hortonworks 文档较好,对应产品 HDP。2011

  • Hortonworks 现在已经被 Cloudera 公司收购,推出新的品牌 CDP。

    1. Apache Hadoop Hadoop

      官网地址:http://hadoop.apache.org

      下载地址:https://hadoop.apache.org/releases.html

    2. Cloudera Hadoop

      官网地址:https://www.cloudera.com/downloads/cdh

      下载地址:https://docs.cloudera.com/documentation/enterprise/6/releasenotes/topics/rg_cdh_6_download.html

      • 2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司,为合作伙伴提供 Hadoop 的商用解决方案,主要是包括支持、咨询服务、培训。

      • 2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品主 要为 CDH,Cloudera Manager,Cloudera Support

      • CDH 是 Cloudera 的 Hadoop 发行版,完全开源,比 Apache Hadoop 在兼容性,安 全性,稳定性上有所增强。Cloudera 的标价为每年每个节点 10000 美元。

      • Cloudera Manager 是集群的软件分发及管理监控平台,可以在几个小时内部署好 一个 Hadoop 集群,并对集群的节点及服务进行实时监控。

    3. Hortonworks Hadoop

      官网地址:https://hortonworks.com/products/data-center/hdp/ 下载地址:https://hortonworks.com/downloads/#data-platform

      • 2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。

      • 公司成立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师,上述 工程师均在 2005 年开始协助雅虎开发 Hadoop,贡献了 Hadoop80%的代码。

      • Hortonworks 的主打产品是 Hortonworks Data Platform(HDP),也同样是 100% 开源的产品,HDP 除常见的项目外还包括了 Ambari,一款开源的安装和管理系统。

      • 2018 年 Hortonworks 目前已经被 Cloudera 公司收购

Hadoop优势(4高)

  • 高可靠性:Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元 素或存储出现故障,也不会导致数据的丢失。

  • 高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点

  • 高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理的速度

  • 高容错性:能够自动将失败的任务重新分配

Hadoop组成(面试重点)

  • 在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大。

  • 在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度。

  • 在Hadoop3.x时代在组成上没有变化。

  • NameNode(nn):存储文件的元数据,如文件名,文件目录结构,文件属性(生成时间、副本数、 文件权限),以及每个文件的块列表和块所在的DataNode等。

  • DataNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和

  • Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份。

YARN架构概述

  • Yet Another Resource Negotiator简称YARN,另一种资源协调者,是Hadoop的资源管理器

HDFS、YARN、MapReduce 三者关系

大数据技术生态体系

图中涉及的技术名词解释如下:

  • Sqoop:Sqoop 是一款开源的工具,主要用于在 Hadoop、Hive 与传统的数据库 (MySQL)间进行数据的传递,可以将一个关系型数据库(例如 :MySQL,Oracle 等) 中的数据导进到 Hadoop 的 HDFS 中,也可以将 HDFS 的数据导进到关系型数据库中。

  • Flume:Flume 是一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系 统,Flume 支持在日志系统中定制各类数据发送方,用于收集数据;

  • Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统;

  • Spark:Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大 数据进行计算。

  • Flink:Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

  • Oozie:Oozie 是一个管理 Hadoop 作业(job)的工作流程调度管理系统。

  • Hbase:HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据 库,它是一个适合于非结构化数据存储的数据库。

  • Hive:Hive 是基于 Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射为一张 数据库表,并提供简单的 SQL 查询功能,可以将 SQL 语句转换为 MapReduce 任务进行运 行。其优点是学习成本低,可以通过类 SQL 语句快速实现简单的 MapReduce 统计,不必 开发专门的 MapReduce 应用,十分适合数据仓库的统计分析。

  • ZooKeeper:它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维 护、名字服务、分布式同步、组服务等。

推荐系统框架图

image-20230407215508604

 

热门相关:仙城纪   豪门闪婚:帝少的神秘冷妻   最强装逼打脸系统   惊世毒妃:轻狂大小姐   惊世毒妃:轻狂大小姐