Hadoop初步简介

Hadoop产生背景：

传统方式，我们使用数据库来对数据进行管理。可是随着数据量的增加，我们要对这个数据库中的海量数据进行处理，

从中提取出有效的信息，这时候面临的问题随之而来：

1.海量数据读取，采用多个硬件读取，如果硬件故障了怎么办？

2.  1个磁盘读取的数据可能和另外99个磁盘读取的数据合并起来才能使用，如何保证这个不同数据组合的正确性?

 

这便是Hadoop要解决的问题。Hadoop使用了HDFS分布式文件系统，计算架构Map reduce以及结构化数据处理的Hbase。基于zooKeeper,

pig,hive等，打造的一个海量数据提取分析的 解决方案。

Hadoop与数据库的区别：

1.为什么不使用数据库而是Hadoop？ 因为磁盘IO，寻址空间慢于传输速率。如果继续采用数据库方式，数据访问模式受限于磁盘寻址。

而我们知道，磁盘寻址的速度是远远慢于数据传输的速率。

2.Map reduce适用于对整个数据集分析，数据大小PB级别，访问为批处理，更新为一次写入多次读取。

　　数据库适用于更新和查询。数据大小GB，访问为批处理，更新为多次读写。

mapReduce具体场景举例：

web服务器日志：客户端的主机名带有全名出现，每次都会出现很多次。   mapreduce适用于分析各种日志文件。

MapReduce还解决了某个进程失败时，可以将任务安排到其他机器上。

 

Hadoop划分层级：

Core

Avro

mapreduce

HDFS

Pig

Hbase

Zookeeper

chukwa