Hadoop介绍

Posted Aloys Wang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hadoop介绍相关的知识,希望对你有一定的参考价值。

Hadoop是什么?

  1. Hadoop是由Apache基金会所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

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

  2. 2001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解决这些问题的办法: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)

    1. GFS → HDFS
    2. Map-Reduce → MR
    3. BigTable → HBase
  6. 2003年到2004年,Google公开了部分GFS和MapReduce的思想细节,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)分别被纳入称为Hadoop的项目中

  9. 名字来源于Doug cutting儿子的玩具大象

  10. Hadoop就此诞生并迅速发展,标志着大数据时代来临


Hadoop三大发行版本

Apache hadoop 版本最原始(最基础)的版本,对入门学习最好

Cloudera 在大型公司的企业中用的较多

Hortonworks 文档较好

cloudera hadoop

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,主要包括支持、咨询服务、培训

2009年,hadoop创始人Doug cutting也加盟cloudera公司。Cloudera公司的主要产品是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

hortonworks hadoop

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到30名专门研究Hadoop的雅虎工程师,上述工程师均在2005年初开始协助雅虎开发Hadoop,贡献了Hadoop 80%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主打的产品是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,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Windows 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12500美元

Hadoop的优势

  1. 高可靠性:Hadoop底层维护多个数据副本,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
  2. 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
  3. 高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理的速度
  4. 高容错性:能够自动将失败的任务重新分配

以上是关于Hadoop介绍的主要内容,如果未能解决你的问题,请参考以下文章

hadoop是啥 hadoop介绍

大数据概念及Hadoop介绍

学习笔记Hadoop—— Hadoop集群的安装与部署—— Hadoop配置参数介绍Hadoop集群启动与监控

hadoop之hadoop基础介绍

学习笔记Hadoop—— Hadoop介绍

大数据-Hadoop生态-Hadoop介绍