【Hadoop】第一篇--Hadoop生态系统学习路线

一、Hadoop是什么？

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（Distributed File System），其中一个组件是HDFS（Hadoop Distributed File System）。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。

二、Hadoop的发展历史

Lucene框架是Doug Cuttine（道·卡廷）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，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎。
2001年年底Lucene成为Apache基金会的一个子项目。
对于海星数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢。
学习和模仿Google解决这些问题的办法：微型版Nutch
可以说Google是Hadoop的思想之源(Google在大数据方面的三筒论文)

GFS---->HDFS
Map-Reduce---->MR
BigTable---->HBase

2003-2004年，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HDFS和MapReduce机制，使Nutch性能飚升。
2005 年Hadoop 作力Lucene的子项目 Nutch的一部分正式引入Apache基金会。
2006 年3月份，Map- Reduce机Nutch Diutrbtje File System(NDFS)分别纳入到 Hadoop
项目中Hadoop就此正式诞生，标志着大数据时代来临。
名字原于Dong Cutting儿子的玩具大象,下图：Dong Cutting与Hadoop图标

三、Hadoop三大发行版本

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。
Cloudera在大型互联网企业中用的较多。
Hortonworks文档较好。
1.Apache Hadoop
    官网地址：http://hadoop.apache.org/releases.html
    下载地址：https://archive.apache.org/dist/hadoop/common/
2.Cloudera Hadoop
    官网地址：https://www.cloudera.com/downloads/cdh/5-10-0.html
    下载地址：http://archive-primary.cloudera.com/cdh5/cdh/5/

2008年成立的Cloudera是最早将Hadoop商用的公司，为合作伙伴提供Hadoop的商用解决方案，主要是包括支持、咨询服务、培训。
2009年Hadoop的创始人Doug Cutting也加盟Cloudera公司。Cloudera产品主要为CDH，Cloudera Manager，Cloudera Support。
CDH是Cloudera的Hadoop发行版，完全开源，比Apache Hadoop在兼容性，安全性，稳定性上有所增强。
Cloudera Manager是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop集群，并对集群的节点及服务进行实时监控。Cloudera Support即是对Hadoop的技术支持。
Cloudera的标价为每年每个节点4000美元。Cloudera开发并贡献了可实时处理大数据的Impala项目。

3.Hortonworks Hadoop
官网地址：https://hortonworks.com/products/data-center/hdp/
下载地址：https://hortonworks.com/downloads/#data-platform

2011年成立的Hortonworks是雅虎与硅谷风投公司Benchmark Capital合资组建。
公司成立之初就吸纳了大约25名至30名专门研究Hadoop的雅虎工程师，上述工程师均在2005年开始协助雅虎开发Hadoop，贡献了Hadoop80%的代码。
雅虎工程副总裁、雅虎Hadoop开发团队负责人Eric Baldeschwieler出任Hortonworks的首席执行官。
Hortonworks的主打产品是Hortonworks Data Platform（HDP），也同样是100%开源的产品，HDP除常见的项目外还包括了Ambari，一款开源的安装和管理系统。
HCatalog，一个元数据管理系统，HCatalog现已集成到Facebook开源的Hive中。Hortonworks的Stinger开创性的极大的优化了Hive项目。Hortonworks为入门提供了一个非常好的，易于使用的沙盒。
Hortonworks开发了很多增强特性并提交至核心主干，这使得Apache Hadoop能够在包括Window Server和Windows Azure在内的Microsoft Windows平台上本地运行。定价以集群为基础，每10个节点每年为12500美元。

四、Hadoop的优势

高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
高扩展性：在集群间分配任务数据，可方便的广展数以千计的节点。
高效性：在MapReduce的思想下 Hadoop是并行工作的，以加快任务处理速度。
高容错性：能够自动将失败的任务重新分配。

五、如何来学习大数据？

学习大数据，先学Hadoop，这是毋庸置疑的了，这张图真的可以很好的诠释整个Hadoop组件之间的关系。

Hadoop生态系统推荐学习路线。

Hadoop–>HDFS–>MapReduce–>YARN–>ZooKeeper–>Hive–>HBase–>Flume–>Kafka–>Sqoop–>Azkaban。