2017年5月26日
摘要：
传统的ACID数据库，可扩展性上受到了巨大的挑战。而HBase这类系统，兼具可扩展性的同时，也提出了类SQL的接口。 HBase架构组成 HBase采用Master/Slave架构搭建集群，它隶属于Hadoop生态系统，由一下类型节点组成：HMaster节点、HRegionServer节点、ZooK 阅读全文
摘要：
HDFS是GFS的简化版，它同一时刻只允许一个用户对同一文件进行追加写操作(GFS允许并发写)。它适合存储大文件，并提供高吞吐量的顺序读/写访问。 它的早期版本两大问题，例如：单点失效和水平扩展不佳。针对这两个问题，在hadoop2.0提出统一的解决方案，即HA和NameNode联盟。 HDFS的设 阅读全文
摘要：
MapReduce MapReduce的出现，用户只需要编写map和reduce的处理流程，就能完成完成一个分布式计算，简化了分布式任务编写的难度。MapReduce封装了数据切分，任务调度，错误处理，负载均衡。 Spark 和hadoop MapReduce对比，spark主要做了两个方面的优化： 阅读全文
摘要：
shuffle流程 1. 输入分片（input split）：在进行map计算之前，mapreduce会根据输入文件计算输入分片（input split），每个输入分片（input split）针对一个map任务，输入分片（input split）存储的并非数据本身 2. map阶段：就是程序员编写 阅读全文
摘要：
ZooKeeper主要用来解决分布式应用场景中存在的一些问题，如：统一命名服务、状态同步服务、集群管理、分布式应用配置管理等。 它支持Standalone模式和分布式模式，在分布式模式下，能够为分布式应用提供高性能和可靠地协调服务，而且使用ZooKeeper可以大大简化分布式协调服务的实现，为开发分 阅读全文
摘要：
Spanner 是一个可扩展的、全球分布式的数据库，提供分布式ACID。 架构 universe：一个部署的实例成为universe，目前谷歌有3个，分别为开发/测试/线上 Zone：一个数据中心，相当于一个Hbase/Bigtable Universemaster: 监控这个universe里zo 阅读全文
摘要：
Storm是一个分布式的、高容错的实时计算系统。Storm适用的场景： 1. Storm可以用来用来处理源源不断的消息，并将处理之后的结果保存到持久化介质中。 2. 由于Storm的处理组件都是分布式的，而且处理延迟都极低，所以可以Storm可以做为一个通用的分布式RPC框架来使用。(实时计算？) 阅读全文
摘要：
GreenPlum是一个底层是多台PostgreSQL分表分库的分布式数据库，它有如下特点 支持标准SQL，几乎所有PostgreSQL支持的SQL，greenplum都支持 支持ACID、分布式事务 支持上百台集群(这一点有点不好，hadoop可以万台) 系统架构 Master Host 处理用户 阅读全文
摘要：
Hive： 基于 Hadoop 的数据仓库工具 前言 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，并提供完整的 SQL 查询功能，将类 SQL 语句转换为 MapReduce 任务执行。 数据组织格式 下面是直接存储在HDFS上的数据组织方式 Tab 阅读全文
摘要：
再Linux的世界里，万物皆文件，通过虚拟文件系统VFS，程序可以用标准的Linux系统调用对不同的文件系统，甚至不同介质上的文件系统进行读写操作。下面我们揭示Linux网络子系统的秘密 sockfs 在Linux上，和读写文件保持同一套接口是通过套接口伪文件系统sockfs来实现的。 sockfs 阅读全文