HADOOP入门（1）：概述

1 Hadoop是什么

2 Hadoop发展历史（了解）

 

 

 

 

 

 

 

3 Hadoop三大发行版本（了解）

Hadoop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。

 

4 Hadoop的优势（4高）

 

 

 

 

 

 

5 Hadoop组成（面试重点）

Hadoop1.x与Hadoop2.x,Hadoop3.x的区别

 

 

 

5.1 HDFS架构概述

HDFS（Hadoop Distributed File System）的架构概述，如图2-23所示。

图2-23 HDFS架构概述

5.2 YARN架构概述

5.3  MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce，如图2-25所示

1）Map阶段并行处理输入数据

2）Reduce阶段对Map结果进行汇总

5.4 HDFS、YARN、MapReduce三者关系

 

6 大数据技术生态体系

 

 

 

 

图中涉及的技术名词解释如下：

 

1）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。

 

2）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；

 

3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统； 

 

4）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。

 

5）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。

 

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

 

7）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。

 

8）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。

 

9）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。

7 推荐系统框架图