企业实战——Hadoop大数据平台基础知识

1.什么是hadoop？

Hadoop是一个由Apache基金会所开发的分布式系统基础架构 用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储 Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上 而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序 HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据 Hadoop的框架最核心的设计就是：HDFS和MapReduce HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算

2.hadoop的优点？

Hadoop是一个能够对大量数据进行分布式处理的软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。 Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。 Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。 Hadoop 还是可伸缩的，能够处理 PB 级数据。 此外，Hadoop 依赖于社区服务，因此它的成本比较低，任何人都可以使用。 Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。 用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。主要有以下几个优点

高可靠性Hadoop按位存储和处理数据的能力值得人们信赖高扩展性Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中高效性Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快高容错性Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配低成本与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低

3.hadoop大数据处理的意义

Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载(ETL)方面上的天然优势。 Hadoop的分布式架构，将大数据处理引擎尽可能的靠近存储，对例如像ETL这样的批处理操作相对合适， 因为类似这样操作的批处理结果可以直接走向存储。 Hadoop的MapReduce功能实现了将单个任务打碎，并将碎片任务(Map)发送到多个节点上， 之后再以单个数据集的形式加载(Reduce)到数据仓库里

4.hadoop生态圈中 各个组件的作用描述

（1）hdfs：就是一个文件系统，可以存储海量的数据。 （2）mapreduce：从海量的数据中，通过一定的算法，计算出有用信息。 （3）hive：就是sql语句解释器，接收用户输入的sql语句，然后将该sql语句翻译成复杂的mapreduce程序，并发布到mr集群中进行运算，也是计算出有用的信息。 （4）hbase：mysql是基于linux/window的文件系统的数据库，而hbase就是基于hdfs文件系统的数据库。 （5）flume：就是一个水泵，将水从一个源水坑，抽到到另一个目的水坑中。当然flume抽的是 “数据”。将数据从一个文件中抽取到另一个文件中。 （6）sqoop：将hdfs文件系统的文件，导出到linux文件系统的文件中。就像“豌豆荚”应用程序，实现 android系统与window系统之间文件的导入导出。 （7）ooize/azkaban：一个完整的业务（work）是由多个任务（task）相互配合完成的。该组件就是负责协调各个task的执行顺序。

重点组件

HDFS：分布式文件系统 MAPREDUCE：分布式运算程序开发框架 HIVE：基于大数据技术（文件系统+运算框架）的SQL数据仓库工具 HBASE：基于HADOOP的分布式海量数据库 ZOOKEEPER：分布式协调服务基础组件 Mahout：基于mapreduce/spark/flink等分布式运算框架的机器学习算法库 Oozie：工作流调度框架 Sqoop：数据导入导出工具 Flume：日志数据采集框架