目录

一 什么是大数据？

二 大数据特征

三 分布式计算

四 Hadoop是什么?

五 Hadoop发展及版本

六 为什么要使用Hadoop

七 Hadoop vs. RDBMS

八 Hadoop生态圈

九 Hadoop架构 

---

一 什么是大数据？

大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。

大数据技术要解决的问题：海量数据存储和海量数据计算

 

二 大数据特征

• 4V特征
  • Volume(大数据量)：90% 的数据是过去两年产生
  • Velocity(速度快)：数据增长速度快，
  • 时效性高 Variety(多样化)：数据种类和来源多样化 结构化数据（如表形式的数据）、半结构化数据（如 json）、非结构化数据（如日志信息）
  • Value(价值密度低)：需挖掘获取数据价值
• 固有特征
  • 时效性
  • 不可变性

三 分布式计算

分布式计算将较大的数据分成小的部分进行处理。

	传统分布式计算	新的分布式计算 - Hadoop
计算方式	将数据复制到计算节点	在不同数据节点并行计算
可处理数据量	小数据量	大数据量
CPU性能限制	受CPU限制较大	受单台设备限制小
提升计算能力	提升单台机器计算能力	扩展低成本服务器集群

 

四 Hadoop是什么?

• Hadoop是一个开源分布式系统架构，解决海量数据存储和海量数据计算的问题
• 处理海量数据的架构首选
• 非常快得完成大数据计算任务
• 已发展成为一个Hadoop生态圈

五 Hadoop发展及版本

•  Hadoop起源于搜索引擎Apache Nutch
  • 创始人：Doug Cutting
  • 2004年 - 最初版本实施
  • 2008年 - 成为Apache顶级项目
• Hadoop发行版本
  • 社区版：Apache Hadoop
  • Cloudera发行版：CDH
  • Hortonworks发行版：HDP

六 为什么要使用Hadoop

• 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
• 高可靠性
  • Hadoop底层维护多个数据副本
• 高容错性
  • Hadoop框架能够自动将失败的任务重新分配
• 低成本
  • Hadoop架构允许部署在廉价的机器上
• 灵活，可存储任意类型数据
• 开源，社区活跃

七 Hadoop vs. RDBMS

Hadoop与关系型数据库对比

	RDBMS	Hadoop
格式	写数据时要求	读数据时要求
速度	读数据速度快	写数据速度快
数据监管	标准结构化	任意结构数据
数据处理	有限的处理能力	强大的处理能力
数据类型	结构化数据	结构化、半结构化、非结构化
应用场景	交互式OLAP分析 ACID事务处理 企业业务系统	处理非结构化数据 海量数据存储计算

 

八 Hadoop生态圈

 

九 Hadoop架构 

• HDFS(Hadoop Distributed File System)
  • 分布式文件系统，解决分布式存储
• MapReduce
  • 分布式计算框架
• YARN
  • 分布式资源管理系统 在Hadoop 2.x中引入
• Common
  • 支持所有其他模块的公共工具程序