前言

Hadoop不是历史上第一个用于数据存储和分析的分布式系统，但hadoop发展壮大到今天必然有它过人的特性。接下来就探讨下Hadoop的相关知识。

一、Hadoop是什么？

Hadoop是一个对海量数据存储和海量数据分析计算的分布式系统。

Hadoop 1.x
海量数据存储 ----> HDFS
海量数据分析计算 ----> MapReduce
Hadoop 2.x 增加
资源调度系统 ----> Yarn

从hadoop最初的原型来看，hadoop已经远远超过了本身的批处理。从广义上来说，hadoop现在可以是指更广泛的一个hadoop生态了，而不仅仅是HDFS，MapReduce和Yarn。例如Hive，Hbase，Flume，Sqoop等等项目都属于这个生态。

二、Hadoop发展

Hadoop是道格·卡丁（Doug Cutting）创建的，Hadoop起源于开源网络搜索引擎Apache Nutch，后者本身也是Lucene项目的一部分。Nutch项目面世后，面对数据量巨大的网页显示出了架构的灵活性不够。当时正好借鉴了谷歌分布式文件系统，做出了自己的开源系统NDFS分布式文件系统。第二年谷歌又发表了论文介绍了MapReduce系统，Nutch开发人员也开发出了MapReduce系统。随后NDFS和MapReduce命名为Hadoop，成为了Apache顶级项目。

从Hadoop的发展历程来看，它的思想来自于google的三篇论文。

GFS：Google File System 分布式处理系统 ------》解决存储问题
Mapreduce：分布式计算模型 ------》对数据进行计算处理
BigTable：解决查询分布式存储文件慢的问题，把所有的数据存入一张表中，通过牺牲空间换取时间

在之后的学习中，我会对这三篇论文进行总结和归纳。

三、Hadoop发行版本

Hadoop三大发行版本：Apache、Cloudera、Hortonworks。

1、Apache最基础的版本，适合入门学习，可以基于此做二次开发。

官网地址：http://hadoop.apache.org/releases.html

下载地址：https://archive.apache.org/dist/hadoop/common/

2、Cloudera在大型互联网企业中用的较多。

官网地址：https://www.cloudera.com/downloads/cdh/5-10-0.html

下载地址：https://archive.cloudera.com/cdh5/redhat/7/x86_64/cdh/

3、Hortonworks文档较好。

官网地址：https://hortonworks.com/products/data-center/hdp/

下载地址：https://hortonworks.com/downloads/#data-platform

四、Hadoop优势

高可靠性

因为hadoop假设计算元素和存储会出现故障，因为它维护多个数据结构和副本(默认3副本)，在出现故障时可以对失败的节点重新分布处理

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

思考：动态扩容如何实现？
对于添加少量的机器，可以通过手动配置或通过CDH添加
如果需要动态扩容上百台呢，而且可以根据数据量增长和减少的趋势，可以auto scaling。

高效性

在MapReduce的思想下，Hadoop时并行工作的，以加快任务处理速度

高容错性

自动保存多副本数据，并且能够自动将失败的任务重新分配

五、传统数仓与大数据存储

传统数据仓库和大数据存储概念

传统数据仓库：传统方式 DW（Data Warehouse）基于传统的关系型数据库（Oracle，Mysql）是将所有的东西共享，放在一起存储分析。

大数据存储：分布式，东西不共享，分别在不同的机器上完成存储分析，最后整合到一起。

目前传统数仓和大数据存储的区别已经渐渐模糊了。传统的关系型数据库借鉴了hadoop思想，也实现了分布式的数据存储和处理，而大数据存储也增加了索引和事物的特性。但就其存储的数据结构还是不同的，大数据存储更擅长非结构化数据和半结构化数据，而关系型数据库更擅长结构化数据

OLTP和OLCP

OLTP：联机事务处理(On-Line transaction Processing)

OLAP：联机分析处理(On-Line Analytical Processing)

OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLTP系统强调数据库的内存效率，强调内存各种指标的命令率，强调绑定变量，强调并发操作。

OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并支持提供直观易懂的查询结果，OLAP强调的数据分析，强调SQL执行市场，强调磁盘I/O,强调分区等。

区别

OLTP，联机事务处理，表示事务性非常高的系统，一般都是高可用的在线系统，以小的事务以及小的查询为主。OLTP出现瓶颈的地方在于CPU与磁盘子系统。OLTP系统也是一个数据块变化非常频繁，语句提交非常频繁的系统。

OLAP，联机分析处理，有时候也叫DSS决策支持系统，也就是我们所说的数据仓库，语句的执行量不是考核的标准，因为一条语句可能执行的时间会非常的长，读取的数据也会非常的多，所以，在这样的系统中，考核的标准往往是磁盘子系统的吞吐量(宽带)，如能达到多少MB/s流量。

Hadoop起源发展与概述相关推荐

Hadoop和Spark简单概述
文章目录 Hadoop和Spark概述一. 简单说说Hadoop 1. Hadoop的产生背景 2. Hadoop核心技术二. 简单说说Spark 1. Spark的官方定义 2. Spark的核 ...
目标检测近5年发展历程概述（转）
目标检测近5年发展历程概述,从R-CNN到RFBNet(2013--2018)(转) 2018年09月24日 12:32:02 C小C [时间]2018.09.24 [题目]目标检测近5年发展历程概 ...
《如何搭建小微企业风控模型》第一节小微企业数据贷发展情况概述
<如何搭建小微企业风控模型>第一节小微企业数据贷发展情况概述第一章小微企业数据风控技术的框架小微企业数据贷发展情况概述搭建小微企业风控模型所需知识风控模型概览第二章强相关变量 ...
大数据三驾马车与hadoop起源
背景介绍 Google成立于1998年是全球最大的搜索引擎公司,主要业务为搜索.云计算.广告技术等,主要利润来自于广告等服务.在21世纪初互联网刚刚兴起,每个企业保存和生产的数据量并不大,已有的技术对 ...
Internet起源与Web概述
Internet起源 Internet起源于20世纪60年代的美国,20世纪60年代末,美国国防部高级研究计划局建立第一个网际网ARPANET,这是一个军用实验网,主要的目的是寻求一种将不同类型的计算 ...
大数据入门第五天——离线计算之hadoop（上）概述与集群安装
一.概述根据之前的凡技术必登其官网的原则,我们当然先得找到它的官网:http://hadoop.apache.org/ 1.什么是hadoop 先看官网介绍: The Apache™ Hadoop® ...
1.Java之路(Java语言发展和概述以及特点)
1.Java语言概述 1.1 什么是Java语言 Java语言是美国Sun公司(StanfordUniversityNetwork),在1995年推出的高级的编程语言.所谓编程语言,是计算机的语言 ...
Hadoop较全面的概述
看到的比较全面的介绍 Hadoop 1.0 和 2.0的区别软件栈如下图: Hadoop 1.0的内核主要由两部分构成: HDFS 存储大数据的平台,提供可靠性的存储服务(冗余数据,存储). Ma ...
Spring源码学习笔记：起源发展和核心模块主要职能
1.博客内容均出自于咕泡学院架构师第三期 2.架构师系列内容:架构师学习笔记(持续更新) 1.Spring 的前世今生早在 2007 年,一个基于 Java语言的开源框架正式发布,取了一个非常有活力 ...

Hadoop起源发展与概述

前言