Hadoop初探之Hadoop生态圈

一、简介
        Hadoop是一个分布式系统基础架构，由Apache基金会开发。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高速运算和存储。简单地说来，Hadoop是一个可以更容易开发和运行处理大规模数据的软件平台。

图1 Hadoop主要项目

        Common：一组分布式文件系统和通用I/O的组件与接口（序列化、Java RPC和持久化数据结构）。
        MapReduce：分布式数据处理模型和执行环境，运行于大型商用机集群。
        HDFS：分布式文件系统，运行于大型商用机集群。
        Zookeeper：一个分布式、可用性高的协调服务，提供分布式锁之类的基本服务用于构建分布式应用。
        HBase：一个分布式、按列存储数据库，使用HDFS作为底层存储，同时支持MapReduce的批量式计算和点查询（随机读取）。
        Pig：一种数据流语言和运行环境，用以检索非常大的数据集，运行在MapReduce和HDFS的集群上。
        Hive：一个分布式、按列存储的数据仓库，管理HDFS中存储的数据，并提供基于SQL的查询语言（由运行时引起翻译成MapReduce作业）用以查询数据。
        Mahout：一个在Hadoop上运行的可扩展的机器学习和数据挖掘类库（例如分类和聚类算法）。
        Avro：一种支持高效、跨语言的RPC以及永久存储数据的序列化系统。
        Sqoop：在数据库和HDFS之间高效传输数据的工具。

二、核心
        Hadoop对应于Google三驾马车：HDFS对应于GFS，即分布式文件系统，MapReduce即并行计算框架，HBase对应于BigTable，即分布式NoSQL列数据库，外加Zookeeper对应于Chubby，即分布式锁设施。

图2 Hadoop核心系统

        简而言之，Hadoop提供了一个可靠的共享存储和分析系统。HDFS实现存储，而MapReduce实现分析处理。纵然Hadoop还有其它功能，但这两部分是它的核心。

三、应用
        Hadoop如何应用依据具体业务而不同，可能如下图：

图3 Hadoop应用案例

四、社区
         下面是一张Hadoop生态图谱，琳琅满目：

图4 Hadoop生态图谱

        各大互联网公司的研究、开发和应用都直接或间接地促进Hadoop社区的发展，从而使得Hadoop生态圈更加丰富多彩。