大数据之Hadoop图解概述
文章目录
- 0 写在开头
- 1 Hadoop是什么
- 2 Hadoop 发展历史(了解)
- 3 Hadoop 三大发行版本(了解)
- ①Apache Hadoop(常用)
- ②Cloudera Hadoop
- ③Hortonworks Hadoop
- 4 Hadoop 优势(4 高)
- 5 Hadoop 组成(面试重点)
- 5.1 HDFS 架构概述
- 5.2 YARN 架构概述
- 5.3 MapReduce 架构概述
- 5.4 HDFS、YARN、MapReduce 三者关系
- 6 大数据技术生态体系
- 7 推荐系统框架图
- 8 大数据简历模板和大厂面试真题下载
0 写在开头
开始更新
Hadoop系列教学文章了
,从零带你入门大数据,期待的你的关注❤️❤️
1 Hadoop是什么
1)Hadoop是一个由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
。
2 Hadoop 发展历史(了解)
1)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。
2)2001年年底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。
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)
- GFS —>HDFS
- Map-Reduce —>MR
- BigTable —>HBas
6)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。
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的log
3 Hadoop 三大发行版本(了解)
Hadoop 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
。
①Apache Hadoop(常用)
官网地址:http://hadoop.apache.org
下载地址:https://hadoop.apache.org/releases.html
②Cloudera 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
1)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。
2)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
3)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。
4)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。
③Hortonworks Hadoop
官网地址:https://hortonworks.com/products/data-center/hdp/
下载地址:https://hortonworks.com/downloads/#data-platform
1)2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。
2)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。
3)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。
4)2018 年 Hortonworks 目前已经被 Cloudera 公司收购
4 Hadoop 优势(4 高)
1)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。
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,以加快任务处理速度。
4)高容错性:能够自动将失败的任务重新分配。
5 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 ,MapReduce 只负责运算。
- 在Hadoop3.x 时代,在组成上没有变化。
5.1 HDFS 架构概述
Hadoop Distributed File System,简称 HDFS,是一个分布式文件系统。
HDFS架构概述:
1)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。
2)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
。
3)Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份
。
5.2 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。
1)ResourceManager(RM):整个集群资源(内存、CPU等)的老大
3)ApplicationMaster(AM):单个任务运行的老大
2)NodeManager(N M):单个节点服务器资源老大
4)Container:容器,相当一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络
等。
5.3 MapReduce 架构概述
MapReduce:分布式的离线并行计算框架,对海量数据的处理。将计算过程分为Map和Reduce两个阶段,Map阶段并行处理输入数据,Reduce阶段对Map结果进行汇总。
Mapper:
- 1.第一阶段是把输入文件进行分片(inputSplit)得到block。有多少个block就对应启动多少maptask
- 2.第二阶段是对输入片中的记录按照一定的规则解析成键值对。键(key)表示每行首字符偏移值,值(value)表示本行文本内容。
- 3.第三阶段是调用map方法。解析出来的每个键值对,调用一次map方法。
- 4.第四阶段是按照一定规则对第三阶段输出的键值对进行分区。
- 5.第五阶段是对每个分区中的键值对进行排序。首先按照键进行排序,然后按照值。完成后将数据写入内存中,内存中这片区域叫做环形缓冲区。
Reduce:
- 1.第一阶段(copy)reduce任务从Mapper任务复制输出的键值对。
- 2.第二阶段(sort)合并排序是把复制到Reduce本地数据,全部合并。再对合并后的数据排序
- 3.第三阶段是对排序后的键值对调用reduce方法。键相等的键值对调用一次reduce方法,每次调用会产生零个或者多个键值对,最后把这些输出的键值对写入到HDFS文件中。
5.4 HDFS、YARN、MapReduce 三者关系
6 大数据技术生态体系
图中涉及的技术名词解释如下:
1)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。
2)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;
3)Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统;
4)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。
5)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。
6)Oozie:Oozie 是一个管理 Hadoop 作业(job)的工作流程调度管理系统。
7)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。
8)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。
9)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。
7 推荐系统框架图
8 大数据简历模板和大厂面试真题下载
下载地址:15份真实优质大数据简历模板+5份大厂面试真题.zip
大数据之Hadoop图解概述相关推荐
- 第一、二章大数据与Hadoop的概述
目录 第一章:大数据的概述 1.1 大数据的概念 1.2 大数据的特征(重点) 1.3 大数据的应用场景 1.4 大数据的发展前景 1.5 企业大数据的一般工作流程 1.6 数据部门的组织架构 1. ...
- 打怪升级之小白的大数据之旅(四十一)<大数据与Hadoop概述>
打怪升级之小白的大数据之旅(四十) Hadoop概述 上次回顾 好了,经过了java,mysql,jdbc,maven以及Linux和Shell的洗礼,我们终于开始正式进入大数据阶段的知识了,首先我会 ...
- Hadoop专业解决方案-第1章 大数据和Hadoop生态圈
一.前言: 非常感谢Hadoop专业解决方案群:313702010,兄弟们的大力支持,在此说一声辛苦了,经过两周的努力,已经有啦初步的成果,目前第1章 大数据和Hadoop生态圈小组已经翻译完成,在此 ...
- 【快速入门大数据】hadoop和它的hdfs、yarn、mapreduce
文章目录 导学 大数据概述 初识Hadoop 概述 核心组件 HDFS分布式文件系统 资源调度系统YARN MapReduce 优势 发展史 生态系统 发行版本选择 企业应用案例 第3章 分布式文件系 ...
- 大数据应用导论 Chapter1 | 大数据技术与应用概述
大家好,我是不温卜火,是一名计算机学院大数据专业大二的学生,昵称来源于成语-不温不火,本意是希望自己性情温和.作为一名互联网行业的小白,博主写博客一方面是为了记录自己的学习过程,另一方面是总结自己 ...
- 大数据 python hadoop_大数据与Hadoop
1. 大数据简介 1.1 大数据的由来 随着计算机技术的发展,互联网的普及,信息的积累已经到了一个非常庞大的地步,信息的增长也在不断的加快,随着互联网.物联网建设的加快,信息更是爆炸式增长,收集.检索 ...
- 大讲台浅谈大数据与Hadoop之间的关系
在现如今,随着面对当前企业级用户对于自建数据中心兴趣的不断扩大,以及大数据正在以惊人的速度增长几乎触及各行各业,而大数据是一种新兴的数据挖掘技术,它正在让数据处理和分析变得更便宜更快速.大数据技术一旦 ...
- 大数据技术⑤ |大数据第1章·概述|第2章·大数据系统基础|21:50~22:22
第1章 概述 1.简述大数据发展现状与历史 1.1.1国外发展现状 (1)国家及国际组织方面: 2009年,联合国就启动了"全球脉动计划". 2009 年至今, 美国Data.go ...
- 尚硅谷大数据技术Hadoop教程-笔记02【Hadoop-入门】
视频地址:尚硅谷大数据Hadoop教程(Hadoop 3.x安装搭建到集群调优) 尚硅谷大数据技术Hadoop教程-笔记01[大数据概论] 尚硅谷大数据技术Hadoop教程-笔记02[Hadoop-入 ...
- 细细品味大数据--初识hadoop
初识hadoop 前言 之前在学校的时候一直就想学习大数据方面的技术,包括hadoop和机器学习啊什么的,但是归根结底就是因为自己太懒了,导致没有坚持多长时间,加上一直为offer做准备,所以当时重心 ...
最新文章
- Lync Server 2010迁移至Lync Server 2013部署系列 Part2:部署后端主服务器
- 【Machine Learning】OpenCV中的K-means聚类
- Nuget打包类库及引用
- 如何利用python在一个文档里写入长须_Python语法入门—文件处理
- 【Unity】6.8 Quaternion类(四元数)
- OpenCV的AdaptiveThreshold函数
- python实现信号幅值归一化
- [2019.3.25]多项式求逆
- cocosstdio之字体之文本和FNT字体
- 4.6 Data符号调制——16QAM
- 介绍一款在线仿站小工具
- 英寸和厘米的交互python_Python新手尝试编写厘米到英寸的代码,反之亦然
- 黑色渐变背景css,css-渐变背景,爱了爱了。
- 数学分析:有理数的稠密性证明
- VS--安装VS2010出现VC9.0 Runtime问题的解决方法
- 数字藏品如何实现版权保护
- Faker库:生成测试数据
- java什么时候用链表_java链表的原理及使用方法
- 在altium designer9 等中使用protell99se的如0805,0603等PCB封装库
- PYTHON:json文件写小型的通讯录数据库
热门文章
- 高等代数第3版下 [丘维声 著] 2015年版_高等代数笔记整理(一)
- 用 logisim写一个 cpu
- 关了浏览器再开,怎么session还在?
- Windows不同压缩软件、压缩算法、压缩率详细对比测试与选择
- 《Python程序设计实例教程》课后习题参考答案
- 冒泡法排序c语言代码大全,C语言实现选择排序、冒泡排序和快速排序的代码示例...
- 基于Python的数据分析
- 【CVPR 2021】基于样本间关系的知识蒸馏:Complementary Relation Contrastive Distillation
- Highlighting高亮插件使用说明
- C语言从入门到精通光盘源码(清华大学出版社)源代码下载