Hadoop概述

这篇具有很好参考价值的文章主要介绍了Hadoop概述。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Hadoop概述

Hadoop是什么

  • hadoop是一个由Apache基金会所开发的分布式系统基础框架

  • 其主要解决,海量数据的存储和海量数据的的分析计算问题

  • 广义上,Hadoop通常是指一个更加广泛的概念——Hadoop生态圈

Hadoop的发展历史

  • Hadoop创始人Doug Cutting,为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级,查询引擎和索引引擎。

](https://gitee.com/ilusymon//images4md/raw/master/Nefelibata/image-20210621161540936.png)

  • 2001年年底Lucene成为Apache基金会的一个子项目。

  • 对于海量数据的场景,Lucene框 架面 对与Google同样的困难,存储海量数据困难,检索海量速度慢。

  • 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在大数据方面的三篇论文)

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DFS和MapReduce机制,使Nutch性能飙升。

  • 2005 年Hadoop 作为 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

Hadoop三大发行版本(了解)

  • 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。2006

  • Cloudera 内部集成了很多大数据框架,对应产品 CDH。2008

  • Hortonworks 文档较好,对应产品 HDP。2011

  • Hortonworks 现在已经被 Cloudera 公司收购,推出新的品牌 CDP。

    1. Apache Hadoop Hadoop

      官网地址:http://hadoop.apache.org

      下载地址:https://hadoop.apache.org/releases.html

    2. Cloudera Hadoop

      官网地址:https://www.cloudera.com/downloads/cdh

      下载地址:https://docs.cloudera.com/documentation/enterprise/6/releasenotes/topics/rg_cdh_6_download.html

      • 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 的标价为每年每个节点 10000 美元。

      • 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。

    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。

      • 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。

      • 2018 年 Hortonworks 目前已经被 Cloudera 公司收购

Hadoop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,以加快任务处理的速度

  • 高容错性:能够自动将失败的任务重新分配

Hadoop组成(面试重点)

  • 在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大。

  • 在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度。

  • 在Hadoop3.x时代在组成上没有变化。

    image-20230407213613184

HDFS架构概述

  • Hadoop Distributed File System,简称HDFS,是一个分布式文件系统。

    Hadoop概述

  • 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。

  • 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

  • Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份。

YARN架构概述

  • Yet Another Resource Negotiator简称YARN,另一种资源协调者,是Hadoop的资源管理器

    image-20230407213904111

  • ResourceManager(RM):整个集群资源(内存、CPU等)的管理者

  • NodeManager(NM):单个节点服务器资源管理者

  • ApplicatMasters(AM):单个任务运行的管理者

  • Container:容器,相当于一台独立的服务器,里面封装了任务运行所需的资源(内存、CPU、磁盘、网络等)

  • 说明:

    1. 客户端可以有多个

    2. 集群上可以运行多个ApplicatMaster

    3. 每个NodeManager上可以有多个Container

MapReduce架构概述

  • MapReduce 将计算过程分为两个阶段:Map 和 Reduce

  • Map阶段并行处理输入数据

  • Reduce阶段对Map结果进行汇总

    Hadoop概述

HDFS、YARN、MapReduce 三者关系

Hadoop概述

大数据技术生态体系

Hadoop概述

图中涉及的技术名词解释如下:

  • 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。

  • Flume:Flume 是一个高可用的,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;

  • Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统;

  • 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。

  • Flink:Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

  • Oozie:Oozie 是一个管理 Hadoop 作业(job)的工作流程调度管理系统。

  • 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。

  • 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。

  • ZooKeeper: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。

推荐系统框架图

image-20230407215508604文章来源地址https://www.toymoban.com/news/detail-427805.html

 

到了这里,关于Hadoop概述的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Hadoop学习指南:探索大数据时代的重要组成——Hadoop概述

    在当今大数据时代,处理海量数据成为了一项关键任务。Hadoop作为一种开源的分布式计算框架,为大规模数据处理和存储提供了强大的解决方案。本文将介绍Hadoop的组成和其在大数据处理中的重要作用,让我们一同踏上学习Hadoop的旅程。 1)Hadoop是一个由Apache基金会所开发的

    2024年02月14日
    浏览(18)
  • 【Hadoop】- MapReduce概述[5]

    目录 前言 一、分布式计算框架 - MapReduce 二、MapReduce执行原理 MapReduce是一种 分布式计算框架 ,由Google开发。它的设计目标是将大规模数据集的处理和生成任务分布到一个由廉价计算机组成的集群中。 在MapReduce模型中,输入数据被分割成若干小块,并在集群中的多个节点上并

    2024年04月25日
    浏览(13)
  • Hadoop入门概述

    Hadoop 是一个开源的分布式计算框架,主要用于处理和存储大规模数据集。以下是学习Hadoop时需要掌握的一些关键概念和技术要点: Hadoop 概述 Hadoop是什么 : Hadoop是一个基于Java编写的开源软件库,用于在商用硬件集群上分布式处理和存储海量数据。 它提供了一个高容错性、

    2024年02月03日
    浏览(14)
  • 1.2 Hadoop概述

    ) 1.2.1 回归问题 通过前一篇帖子的介绍,特别是问题思考部分的说明,我们大致能够感受到为何需要新的技术体系来解决大数据问题,接下来咱们继续梳理细节。 step_0 传统方案既贵又搞不定大数据问题。 (1)传统数据的处理模式:用户+集中式系统+关系型数据库 优点是架构

    2024年01月23日
    浏览(14)
  • Hadoop概述

    hadoop是一个由Apache基金会所开发的 分布式系统基础框架 其主要解决,海量 数据的存储和海量数据的的分析计算 问题 广义上,Hadoop通常是指一个更加广泛的概念—— Hadoop生态圈 Hadoop创始人Doug Cutting, 为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级

    2024年02月01日
    浏览(9)
  • Hadoop之MapReduce概述

    MapReduce定义 MapReduce是一个分布式运算程序的编程框架,是用户开发“基于Hadoop的数据分析应用”的核心框架。 MapReduce核心功能是将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序,并发运行在一个Hadoop集群上。 MapReduce优缺点 优点 1)MapReduce易于编

    2024年02月08日
    浏览(31)
  • 初识Hadoop-概述与关键技术

           高速发展的信息时代,新一轮科技革命和变革正在加速推进,技术创新日益成为重塑经济发展模式和促进经济增长的重要驱动力量,而 “大数据” 无疑是核心推动力。       那么,什么是 “大数据” 呢?如果从字面意思来看,大数据指的是 巨量数据 。那么可能

    2024年01月23日
    浏览(13)
  • hadoop解决文件上传问题(DataStreamer Exceptionorg.apache.hadoop.ipc.RemoteException)

    完成Hadoop环境搭建后,使用Hadoop shell命令时---上传本地文件到HDFS的目录下,出现如下报错:          通过查资料,应该是我多次执行NameNode格式化导致的(因为多次格式化namenode会造成namenode和datanode 的 clusterID不一致 !每次格式化时,namenode会更新clusterID,但是datanode只会

    2023年04月24日
    浏览(14)
  • 大数据课程D2——hadoop的概述

    文章作者邮箱:yugongshiye@sina.cn              地址:广东惠州 ⚪ 了解hadoop的定义和特点; ⚪ 掌握hadoop的基础结构; ⚪ 掌握hadoop的常见命令; ⚪ 了解hadoop的执行流程; 1. HDFS(Hadoop Distributed File System - Hadoop分布式文件系统)是Hadoop提供的一套用于进行分布式存储的机制。

    2024年02月15日
    浏览(15)
  • Hadoop datanode启动异常 ERROR org.apache.hadoop.hdfs.server.datanode.DataNode

    现象 线上收到hadoop集群datanode掉线告警。 排查 1、确认datanode状态 发现未存在datanode进程。 2、尝试单独启动datanode,发现还是不行,错误日志信息如下: $ hadoop-daemon.sh start datanode 2022-11-25 15:58:43,267 ERROR org.apache.hadoop.hdfs.server.datanode.DataNode: Initialization failed for Block pool (Datanod

    2023年04月08日
    浏览(19)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包