标签：HDFS 存储 Google Hadoop MapReduce hadoop 数据
------------恢复内容开始------------
1、Hadoop是什么？
- Hadoop是一个Apache基金会所开发的分布式系统基础框架（Hive、Hbase、spark都是基于hadoop架构进行数据存储）。
- 主要解决：海量数据存储和海量数据分析计算问题。
- 广义上来说，Hadoop通常是指一个更广泛的概念-Hadoop生态圈。
2、Hadoop发展历史
1）Lucene框架是Doug Cutting开创的开源软件，用Java书写代码，实现与Google类似的全文搜索功能，他提供全文搜索
引擎架构，包括完整的查询引擎和索引引擎。
2）2001年年底 Lucene成为Apache基金会的一个子项目。
3）对于海量数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢。
4）学习和模仿Google解决这些问题的办法：微型版Nutch。
5）可以说Google是Hadoop的思想之源（Google在大数据方面的三篇论文）。
GFS-->HDFS (G代表Google) Hadoop分布式文件系统
Map-Reduce-->MR
BigTable-->HBase
6）2003-2004 Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年
业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。
7）2005年Hadoop成为Lucene子项目Nuntch的一部分正式引入Apache基金会
8）2006年3月，Map-Reduce和Nutch Distributed File System(NDFS)分别被纳入Hadoop的项目中
9）名字来源于Doug Cutting儿子的玩具大象
10）Hadoop就此诞生并迅速发展，标志着大数据时代的来临
## 3.Hadoop的优势
1）高可靠性：Hadoop底层维护多个数据副本，所有即使Hadoop某个计算元素出现故障，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的并行工作的，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
### 1.Hadoop组成(解决数据和计算问题)
1）Hadoop1.x和Hadoop2.x的区别
1）Hadoop1.x组成
MapReduce（计算和资源调度）
HDFS（数据存储）
Common（辅助工具）
2）Hadoop2.x组成
MapReduce（计算）
Yarn(资源调度)
HDFS（数据存储）
Common（辅助工具）
2.HDFS架构概述
1）NameNode(nn):存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），
以及每个文件的块列表和块所在的DataNode等。（目录）
2）DataNode(dn):在本地文件系统中存储文件块的数据，以及数据的校验和（目录下实实在在的数据）
3）Secondary NameNode(2nn):用来监控HDFS状态的辅助后台，每个一段时间间获取HDFS元数据的快照
3.Yarn 架构概述
1）ResourceManager(RM)主要作用：
（1）处理客户端请求
（2）监控NodeManager
（3）启动或监控ApplicationMaster
（4）资源的分配与调度
2）NodeManger(NM)
（1）管理单个节点上的资源
（2）处理来自ResourceManager的命令
（3）处理来自ApplicationMaster的命令
3）Application
（1）负责数据的切分
（2）为应用程序申请资源并分配给内部任务
（3）任务的监控与容错
4）Container
（1）Container是Yarn中的资源抽象，它是封装了某个节点上的多维度资源，如内存，CPU，磁盘，网络
4.MapReduce架构概述
1）MapReduce将计算过程分为两个阶段：Map和Reduce
（1）Map阶段并行处理输入数据
（2）Reduce阶段是对Map结果进行汇总
## 6.大数据技术生态体系
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Cloudera提供的一个高可用的，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；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。
3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：
（1）通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。
（2）高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息。
（3）支持通过Kafka服务器和消费机集群来分区消息。
（4）支持Hadoop并行数据加载。
4）Storm：Storm用于“连续计算”，对数据流做连续查询，在计算时就将结果以流的形式输出给用户。
5）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。
6）Oozie：Oozie是一个管理Hdoop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。
10）R语言：R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于
统计计算和统计制图的优秀工具。
11）Mahout：Apache Mahout是个可扩展的机器学习和数据挖掘库。
12）ZooKeeper：Zookeeper是Google的Chubby一个开源的实现。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。ZooKeeper的目标就是封装好复杂易出错的关键服务，
将简单易用的接口和性能高效、功能稳定的系统提供给用户
## 7.推荐系统项目架构
述](https://www.icode9.com/i/ll/?i=20200218231858193.png?,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMDY0MzQ3,size_16,color_FFFFFF,t_70)
------------恢复内容结束------------
标签：HDFS,存储,Google,Hadoop,MapReduce,hadoop,数据 来源： https://www.cnblogs.com/qingfengduyu/p/12342386.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。