Hadoop/HDFS

1.Hadoop分布式存储系统

1.Hadoop定义
一个由 Apache 基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），其中一个组件是HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

2.Hadoop主要解决：海量数据的存储和海量数据的分析计算问题。

3.Hadoop的优势：
(1)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。
(2)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。
(3)高效性： 在 MapReduce 的思想下，Hadoop 是并行工作的，以加快任务处理速度。
(4)高容错性： 能够自动将失败的任务重新分配。

4.Hadoop 的组成


(1)HDFS: 分布式文件存储
(2)YARN: 分布式资源管理
(3)MapReduce: 分布式计算
(4)Others: 利用YARN的资源管理功能实现其他的数据处理方式