初识Hadoop

大数据特点

4V：volume  variety   velocity   value

海量性（volume）：大数据的数据量很大，每天我们的行为都会产生大批量数据

多样性（variety）：大数据的类型多种多样，比如视频、音频和图片都属于数据

高速性（velocity）：大数据要求处理速度快，比如淘宝双十一需要实时显示交易数据

价值性（value）：大数据产生的价值密度低，意思是说大部分数据没有参考意义，少部分数据会形成高价值

 

Hadoop简介与意义

Apache开源软件基金会开发了运行在大规模普通服务器上，用于大数据存储、计算、分析的分布式存储系统和分布式计算框架--Hadoop。其两大核心如下：

• HDFS（Hadoop Distributed File System，分布式文件系统）：是Hadoop中的核心组件之一，除了可以保存海量数据，还具有高可靠性、高扩展性和高吞吐率的特点。
• MapReduce：属于分布式计算框架，一般用于对海量数据的计算，它的特点是易于编程、高容错和高扩展性等优点。另外，MapReduce可以独立于HDFS使用。

　　总结来说，hadoop中的核心HDFS为海量数据提供了存储，而MapReduce则为海量数据提供了计算服务。

 

大数据计算模式

大数据计算模式：

•   批处理计算：又称为离线计算，针对大规模历史数据的批量处理，如MapReduce
•   流计算：针对流数据的实时计算，可以实时处理产生的数据。
•   图计算：针对大规模图结构数据的处理，常用于社交网络
•   查询分析计算：针对大规模数据的存储管理和查询分析，如Hive

 

大数据技术框架

大数据技术框架主要包含6个部分，分别是：

数据收集、数据存储、资源管理、计算框架、数据分析、数据展示

 

每部分包括的具体技术：

• 数据源（如企业数据、互联网、物联网等）
• 数据收集（提取、转换、加载）---数据收集
• 数据存储（关系型和非关系型数据）---数据存储
• 资源管理 ---资源管理
• 流处理、交互式分析、资源管理   ---计算框架
• 数据挖掘（OLAP，数据仓库和商务智能）---数据分析
• 数据可视化  ----数据展示
• 用户

 

核心组件

1. Hadoop的分布式协调服务--ZooKeeper
2. 分布式离线计算框架--MapReduce
3. Hadoop的集群资源管理系统--YARN
4. Hadoop的数据仓库框架--Hive
5. 大数据快速读写--HBase
6. 海量日志采集工具--Flume
7. Hadoop和关系型数据库间的数据传输工具--Sqoop
8. 分布式消息队列--Kafka
9. 开源内存数据库--Redis
10. 快速且通用的集群计算系统--Spark