Chinaunix首页 | 论坛 | 博客
  • 博客访问: 77657
  • 博文数量: 52
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 540
  • 用 户 组: 普通用户
  • 注册时间: 2019-05-29 11:52
文章分类
文章存档

2019年(52)

我的朋友

分类: 大数据

2019-07-11 16:50:49


Hadoop是什么?

随着数据量的急剧增加,遇到的两个最直接的问题就是数据存储和计算(分析/利用)

Hadoop是由Apache基金会所开发的一个用Java实现的分布式基础框架,也可以看做是一个支持开发、运行由通用计算设备组成的大型集群上的分布式应用的平台。Hadoop中的两个最重要的组件—HDFSMapReduce就是用来解决海量数据(分布式)存储、海量数据(分布式)计算的。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HDFSHDFS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(relaxPOSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。

HDFS有两种节点,NameNodeDataNodeDataNode主要用来存储数据,NameNode管理着整个文件系统的交互。相对于普通的文件系统,HDFS显著的特点是分布式海量存储、备份机制。

Hadoop的框架最核心的设计就是:HDFSMapReduceHDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。MapReduce:并行计算框架,MapReduce其实是一种分布式计算模型,多个计算机并行计算,共同做一件事情。

Hadoop的应用场景:

简单认识了什么是Hadoop,再来了解一下Hadoop一般都适用于哪些场景。

Hadoop主要应用于大数据量的离线场景,特点是大数据量、离线。

数据量大:一般真正线上用Hadoop的,集群规模都在上百台到几千台的机器。这种情况下,T级别的数据也是很小的。

离线:Mapreduce框架下,很难处理实时计算,作业都以日志分析这样的线下作业为主。另外,集群中一般都会有大量作业等待被调度,保证资源充分利用。

另外,由于HDFS设计的特点,Hadoop适合处理文件块大的文件。大量的小文件使用Hadoop来处理效率会很低。

Hadoop常用的场景有:

大数据量存储:分布式存储(各种云盘,百度,360~还有云平台均有hadoop应用)

l  日志处理

l  海量计算,并行计算

l  数据挖掘(比如广告推荐等)

l  行为分析,用户建模等

l  ……

更多Hadoop课程:

阅读(3224) | 评论(0) | 转发(0) |
0

上一篇:阿里云CDN使用

下一篇:Bootstrap基础入门

给主人留下些什么吧!~~