二、大数据技术之Hadoop --从Hadoop框架讨论大数据生态
目录
1、从Hadoop框架讨论大数据生态
1.1 Hadoop是什么
1.2 Hadoop发展历史
1.3 Hadoop三大发行版本
1.3.1 Apache Hadoop
1.3.2 Cloudera Hadoop
1.3.3 Hortonworks Hadoop
1.4 Hadoop的优势
1.5 Hadoop组成*
1.5.1 HDFS架构概述
1.5.2 YARN架构概述
1.5.3 MapReduce架构概述
1.6 大数据技术生态体系
1.7 推荐系统框架图
1、从Hadoop框架讨论大数据生态
1.1 Hadoop是什么
1)Hadoop是一个由Apache基金会开发的分布式系统基础架构。
2)主要解决:海量数据的存储和海量数据的分析计算问题。
3)广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
1.2 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,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。
Hadoop创始人Doug Cutting
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解决这些问题的方法: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 -> HDFSMap-Reduce -> MRBigTable -> HBase
6)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DFS和MapReduce机制,使Nutch性能飙升。
7)2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会。
8)2006年3月份,Map-Reduce和Nutch Distributed File System(NDFS)分别被纳入到Hadoop项目中,Hadoop就此正式诞生,标志着大数据时代来临。
9)名字来源于Doug Cutting儿子的玩具大象,如图1.2-1。
图1.2-1 Hadoop的logo
1.3 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。
1.3.1 Apache Hadoop
官网地址:http://hadoop.apache.org/releases.html
下载地址:https://archive.apache.org/dist/hadoop/common/
1.3.2 Cloudera Hadoop
官网地址:https://www.cloudera.com/downloads/cdh/5-10-0.html
下载地址:http://archive.cloudera.com/cdh5/cdh/5/
(1)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。
(2)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
(3)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。
(4)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。
(5)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。
1.3.3 Hortonworks Hadoop
官网地址:https://hortonworks.com/products/data-center/hdp/
下载地址:https://hortonworks.com/downloads/#data-platform
(1)2011年成立的Hortonworks是雅虎与硅谷风投公司Benchmark Capital合资组建。
(2)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。
(3)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。
(4)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。
(5)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。
(6)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。
1.4 Hadoop的优势
Hadoop的优势(4高)
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,可方便的扩展数以千计的节点。
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。
1.5 Hadoop组成*
Hadoop1.x 和Hadoop2.x 区别,如图1.5-2。
图1.5-2 Hadoop1.x 和Hadoop2.x 区别
在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源调度,耦合性较大;在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度,MapReduce只负责运算。
1.5.1 HDFS架构概述
HDFS(Hadoop Distributed File System)的架构概述。
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。
2)DataNode(dn): 在本地文件系统存储文件块数据,以及块数据的校验和。
3)Secondary NameNode(2nn):用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS元数据的快照。
1.5.2 YARN架构概述
1.5.3 MapReduce架构概述
思想: 分而治之
Map阶段 对数据和任务拆分,对每个小数据进行处理,得到一个结果
Reduce阶段 汇总Map阶段产生的结果数据,然后存储或者输出
MapReduce将计算过程分为两个阶段:Map和Reduce,如下图。
1)Map阶段并行处理输入数据: 接收要处理的数据,拆分存储,计算
2)Reduce阶段对Map结果进行汇总
举例:将10T左右的数据,在Map阶段把数据分发到hadoop集群的不同服务器上,每个服务器单独处理数据,找出2019年成龙的电影数据,等所有的服务器处理完成数据,Reduce阶段将每个服务器上的对应分区的数据下载到本地汇总。
1.6 大数据技术生态体系
图中涉及的技术名词解释如下:
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。
1.7 推荐系统框架图
二、大数据技术之Hadoop --从Hadoop框架讨论大数据生态相关推荐
- 从Hadoop框架讨论大数据生态
文章目录 从Hadoop框架讨论大数据生态 Hadoop 是什么(一是) Hadoop发展史(二知) Hadoop三大版本(三版) Hadoop的优势(4高) Hadoop的组成(关于吾的自身) Ha ...
- 大数据技术期末复习习题-前两章 大数据概述及Hadoop概述
链接:大数据技术原理与应用期末复习第三章知识点 链接:HDFS编程实践 习题 1[单选题] 人类社会的数据产生方式大致经历了三个阶段,不包括____C____. A.运营式系统阶段 B.用户原创内容阶 ...
- #大数据技术#基于python的hadoop(单机)环境搭建及使用
基于python的hadoop(单机)环境搭建及使用 0.写在前面 1.虚拟机安装centos6.5 1.1安装流程 1.1.1系统安装 1.1.2修改静态ip(超级用户) 1.1.3更换可用源(超级 ...
- 大数据技术原理与应用(第二章 大数据处理架构Hadoop)
目录 2.1Hadoop简介 HDFS(分布式文件系统) MapReduce(分布式并行编程框架) Hadoop的特点 Hadoop的应用 编辑Hadoop版本的变化 2.2Hadoop项目结构 T ...
- 大数据技术之_19_Spark学习_07_Spark 性能调优 + 数据倾斜调优 + 运行资源调优 + 程序开发调优 + Shuffle 调优 + GC 调优 + Spark 企业应用案例
大数据技术之_19_Spark学习_07 第1章 Spark 性能优化 1.1 调优基本原则 1.1.1 基本概念和原则 1.1.2 性能监控方式 1.1.3 调优要点 1.2 数据倾斜优化 1.2. ...
- 大数据技术原理与应用 第三篇 大数据处理与分析(三)Spark
一. Spark简介 Spark最初由美国加州伯克利大学(UCBerkeley)的AMP实验室于2009年开发,是基于内存计算的大数据并行计算框架,可用于构建大型的.低延迟的数据分析应用程序 1.1 ...
- 关于大数据技术的演讲_好程序员大数据培训分享大数据的两大核心技术
好程序员大数据培训分享大数据两大核心技术,今天小编给大家先分享一下大数据的两大核心技术,知己知彼才能百战不殆,学习大数据技术也是一样的道理,要先有一个清晰的了解,才能确保自己全身心的投入学习. Had ...
- 大学四年我这样学习大数据技术,成为了别人眼中的大神
在大学里,千万不要老师教什么,你就只学什么,这是远远不够的,对于我们大数据专业,甚至整个计算机专业的同学来说,大学四年最重要的能力就是自学.大学的课程不像高中那么紧,留给我们自学的时间还是比较多的,作 ...
- 大数据技术与应用实训心得_大数据心得体会
大数据心得体会 [篇一:大数据时代心得体会] <大数据时代>心得体会 信息时代的到来,我们感受到的是技术变化日新月异,随之而来的 是生活方式的转变,我们这样评论着的信息时代已经变为曾经.如 ...
最新文章
- 【BZOJ4818】【SDOI2017】序列计数 [矩阵乘法][DP]
- 华硕主板X99-E WS/USB 3.1固件更新
- 入门Pandas不可不知的技巧
- Python学习第十六篇——异常处理
- python读取json数据格式问题_浅谈Python中的异常和JSON读写数据的实现
- 欧几里得与扩展欧几里得总结
- python字典占内存_Python:减少字典的内存使用
- Matlab toolbox Manopt流形优化工具包介绍
- 计算机软件著作权模板及个人申请全套攻略-软著
- 二进制与八进制、十进制、十六进制之间的转换
- sql语句查询,多字段like模糊查询优化
- 可以降低汽车气缸里面的机油由于摩擦产生的蓝烟的机油添加剂
- Newcoder 110 E.Pocky游戏(状压DP)
- Java XML转换为JSON XML解析 转换为JSON Java 实现JSON转换为XML json转xml
- 有什么实用的英语音标学习软件推荐?这有两款好用的英语音标学习软件
- 演说之禅:职场必知的幻灯片秘技(第2版)(全彩)
- 2022年 IACA 卓越货币奖 获奖及入围名单
- 棒棒糖-小学数学出题机v1.4.2【更新2019/12/26】
- 数学纠错本html模板,小学数学错题纠错本(打印版).docx
- 达内2020年课程资料大全