大数据入门基础:Hadoop简介
2017-07-25 17:10
495 查看
1.1.什么是hadoop
1.hadoop是apache旗下的一套开源软件平台,可以通过http://apache.org/--->project-
->hadoop打开
2.Hadoop是开源软件,可靠的、分布式、可伸缩的。
3.Hadoop提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理
4.广义上来说,Hadoop通常是指一个更广泛的概念----hadoop生态圈
1.2数据分析故事
1.3数据有多大呢
数据量进制:
1G =1024M
1T = 1024G
1P = 1024T
1E = 1024P
1Z = 1024E
1Y = 1024Z
1N = 1024Y
Hadoop 廉价机器
去IOE
IBM//ibm小型机.
Oracle//oracle数据库服务器 RAC
EMC//EMC共享存储设备。
1.4分布式
由分布在不同主机上的进程协同在一起,才能构成整个应用。
1.分布式软件系统(Distributed
Software Systems)
2 该软件系统会划分成多个子系统或模块,各自运行在不同的机器上,
子系统或模块之间通过网络通信进行协作,实现最终的整体功能
2.分布式应用系统模拟开发
需求:可以实现由主节点将运算任务发往从节点,并将各从节点上的任务启动;
程序清单:
AppMaster
AppSlave/APPSlaveThread
Task
程序运行逻辑流程:
1.5 HADOOP在大数据、云计算中的位置和关系
1. 云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合发展的产物。借助IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等业务模式,把强大的计算能力提供给终端用户。
2. 现阶段,云计算的两大底层支撑技术为“虚拟化”和“大数据技术”
1.6 HADOOP产生背景
1. HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
2. 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
——分布式文件系统(GFS),可用于处理海量网页的存储
——分布式计算框架MAPREDUCE,可用于处理海量网页的索引计算问题。
3. Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目HADOOP,到2008年1月,HADOOP成为Apache顶级项目,迎来了它的快速发展期。
1.7 HADOOP现状
相关文章推荐
- 大数据入门基础:Hadoop简介
- [大数据入门-hadoop基础]eclipse远程调试出现Exception in thread "main" java.lang.UnsatisfiedLinkError
- 大数据01_hadoop入门基础知识
- 大数据入门-基础篇01-hadoop框架简介
- 大数据技术Hadoop入门理论系列之三--MapReduce框架原理简介
- Hadoop基础教程-第2章 Hadoop快速入门(2.1 Hadoop简介)
- 【备忘】 传智播客云计算大数据Hadoop2014全套高清入门基础到项目实战
- Hadoop教程(一):简介、大数据解决方案、介绍快速入门
- 大数据技术hadoop入门理论系列之二—HDFS架构简介
- 大数据Hadoop的基础知识与入门
- 大数据技术hadoop入门理论系列之二—HDFS架构简介
- 大数据技术hadoop入门理论系列之二—HDFS架构简介
- 大数据入门基础系列之Hadoop1.X、Hadoop2.X和Hadoop3.X的多维度区别详解(博主推荐)
- 云学堂Hadoop大数据工程师零基础入门进阶实战视频课程
- 大数据学习笔记1--hadoop简介和入门
- 大数据生态系统基础:Apache Kafka基础(三):最新kafka编程入门:Consumer
- 大数据生态系统基础:Hadoop(一):介绍和安装
- MySQL基础入门-06MySQL的数据类型及列类型
- Python基础入门之变量和数据类型一
- 涵盖从java入门到深入架构,Linux、云计算、分布式、大数据Hadoop、ios、Android、互联网技术应有尽有