Hadoop是一個是個海量數(shù)據(jù)的分布式存儲和計算平臺

為福鼎等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及福鼎網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都網(wǎng)站制作、網(wǎng)站設(shè)計、福鼎網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！

  對于數(shù)據(jù)，我們大致可以將其分為三類：

                         結(jié)構(gòu)化數(shù)據(jù)（對于結(jié)構(gòu)化數(shù)據(jù)的處理可以通過RDBMS處理，通過將搜索碼創(chuàng)建為索引頁可以實現(xiàn)很快的查詢速度）

                        半結(jié)構(gòu)化數(shù)據(jù)（一般可以使用類型XML進行標記處理）

                         非結(jié)構(gòu)化數(shù)據(jù)

其實，非結(jié)構(gòu)化數(shù)據(jù)會占據(jù)相當大的比重，非機構(gòu)化數(shù)據(jù)的存儲和計算也變得比較困難。

  Hadoop的靈感來自于Google的兩篇論文，包括MapReduce，我們可以將Hadoop理解為是MapReduce的開源實現(xiàn)，Hadoop是由java語言編寫的。

  首先，對于海量數(shù)據(jù)，需要完成對其進行存儲然后進行就算，分析。

HDFS：Hadoop分布式文件系統(tǒng)

MapReduce：Hadoop用于完成并行數(shù)據(jù)處理的框架

 可以理解為Hadoop=HDFS+MapReduce，也就是可以理解為一個Hadoop集群就是一個HDFS集群加上一個MapReduce集群。

HDFS如何完成分布式存儲：

   HDFS集群中一般會有一個主節(jié)點（在Hadoop的新版本中，已經(jīng)實現(xiàn)有多個主節(jié)點），稱之為NameNode（簡稱為NN）

   HDFS中會有n個從節(jié)點，稱之為DataNode（DN）

實際完成數(shù)據(jù)存儲的都是數(shù)據(jù)節(jié)點，而NameNode主要是用于將數(shù)據(jù)分塊，分塊之后再分配給數(shù)據(jù)節(jié)點進行存儲，另外，NameNode用于接收用戶請求，管理從節(jié)點，維護文件系統(tǒng)的目錄結(jié)構(gòu)，管理文件與Block之間的關(guān)系，block與數(shù)據(jù)節(jié)點之間的關(guān)系，從而完成分布式存儲海量數(shù)據(jù)的目的。

HDFS的特性：HDFS設(shè)計用于存儲大文件，對于海量小文件的存儲不太適用

        HDFS是用戶空間的文件系統(tǒng)（其實數(shù)據(jù)最終還是存儲在諸如ext3文件系統(tǒng)上，只不過需要經(jīng)過HDFS的又一次對數(shù)據(jù)進行抽象）

        HDFS不支持修改數(shù)據(jù)（新版本支持追加）

        不支持掛載并通過系統(tǒng)調(diào)用進行訪問，只能使用專用訪問借口，例如專用的命令行工具，API

MapReduce，一般提到MapReduce，其有三個含義：

                            編程模型

                            運算框架

                           MapReduce編程思想的具體實現(xiàn)工具

MapReduce的思想大致就是分為兩個階段：Map和Reduce

           Map就是將對一個大文件的處理分割成塊進行計算，實現(xiàn)分布式

           Reduce就是將對各個塊的計算結(jié)果再進行匯總

對數(shù)據(jù)計算其實就是提取Key-Value的方式，在進行Map之后交由Reduce的時候，必須要將同一個Key提取的內(nèi)容發(fā)送至同一個Reduce進程進行最后的合并

對于數(shù)據(jù)的計算，需要處理人員按照MapReduce的編程模型結(jié)合對數(shù)據(jù)的處理目的編寫MapReduce程序，所以對于海量數(shù)據(jù)的計算在HDFS+MapReduce結(jié)合上有著極大的限制性。

  Hadoop同時也有很多的組件，從而構(gòu)成了Hadoop的生態(tài)系統(tǒng)：

HDFS+MapReduce構(gòu)成了Hadoop的核心：

  Hive：Hive是由Facebook開發(fā)的，Hive將整個MapReduce提供的框架抽象為一個系統(tǒng)，當用戶想要就行查詢等操作的時候，就可以想Hive提交一個SQL語句，然后由Hive實現(xiàn)將用戶便于理解的SQL語句轉(zhuǎn)換成為一個MapReduce程序執(zhí)行，最后向用戶輸出結(jié)果（可以理解成Hive提供了一個SQL接口，但是并不和SQL完全兼容）

  Hbase：由于HDFS不能掛載，也不能修改數(shù)據(jù)，當Hbase工作在HDFS之上的時候，構(gòu)成一個Hbase集群，在Hbase的節(jié)點上再啟動一個進程，這時數(shù)據(jù)可以先存在Hbase上，然后再由Hbase將其存入HDFS，并且Hbase對數(shù)據(jù)記錄有版本號，實現(xiàn)了對數(shù)據(jù)進行修改

  在很多情況下，我們需要對例如web服務(wù)器集群產(chǎn)生的日志進行分析計算，那么如何將web服務(wù)器產(chǎn)生的日志存儲到HDFS上，首先，HDFS不能被掛載，所以就不能像對待一本文件系統(tǒng)沒那個一樣對其進行寫入，這就是Flume，scrib這些日志收集工具實現(xiàn)將日志存儲到HDFS上的。

  同上，很多情況下可能需要借助于集群的威力對存儲在RDBMS上的數(shù)據(jù)進行分析計算和挖掘，那么如何將RDBMS中的數(shù)據(jù)導(dǎo)入到HDFS上，就是有Sqoop工具實現(xiàn)的，可以將數(shù)據(jù)用Sqoop從RDBMS導(dǎo)出，先存儲到Hbase上，再由Hbase實現(xiàn)存儲到HDFS上，之后就可以通過編寫的MapReduce程序?qū)?shù)據(jù)進行運算

  MAhost就是用于數(shù)據(jù)挖掘，也就是機器學(xué)習(xí)的工具

 Zookeeper：可以理解其就是一個協(xié)調(diào)器，監(jiān)控集群上的各個節(jié)點是否能夠符合集群的要求

Hadoop在HDFS提供改良數(shù)據(jù)存儲的方案上表現(xiàn)還是比較出色的，但是MapReduce的計算能力就稍有遜色，可以結(jié)合第二代大數(shù)據(jù)解決方案spark，使用HDFS完成海量數(shù)據(jù)的分布式存儲，有spark提供對海量數(shù)據(jù)的運算