Hadoop系列002-從Hadoop框架討論大數據生態

来源:https://www.cnblogs.com/intflag/archive/2018/12/01/10049474.html
-Advertisement-
Play Games

本人微信公眾號,歡迎掃碼關註! 從Hadoop框架討論大數據生態 1、Hadoop是什麼 1)Hadoop是一個由Apache基金會所開發的分散式系統基礎架構 2)主要解決,海量數據的存儲和海量數據的分析計算問題。 3)廣義上來說,HADOOP通常是指一個更廣泛的概念——HADOOP生態圈 2、Ha ...


本人微信公眾號,歡迎掃碼關註!

從Hadoop框架討論大數據生態

1、Hadoop是什麼

1)Hadoop是一個由Apache基金會所開發的分散式系統基礎架構

2)主要解決,海量數據的存儲和海量數據的分析計算問題。

3)廣義上來說,HADOOP通常是指一個更廣泛的概念——HADOOP生態圈

2、Hadoop發展歷史

1)Lucene--Doug Cutting開創的開源軟體,用java書寫代碼,實現與Google類似的全文搜索功能,它提供了全文檢索引擎的架構,包括完整的查詢引擎和索引引擎

2)2001年年底成為apache基金會的一個子項目

3)對於大數量的場景,Lucene面對與Google同樣的困難

4)學習和模仿Google解決這些問題的辦法 :微型版Nutch

5)可以說Google是hadoop的思想之源(Google在大數據方面的三篇論文)

  • GFS --->HDFS
  • Map-Reduce --->MR
  • BigTable --->Hbase

6)2003-2004年,Google公開了部分GFS和Mapreduce思想的細節,以此為基礎Doug Cutting等人用了2年業餘時間實現了DFS和Mapreduce機制,使Nutch性能飆升

7)2005 年Hadoop 作為 Lucene的子項目 Nutch的一部分正式引入Apache基金會。2006 年 3 月份,Map-Reduce和Nutch Distributed File System (NDFS) 分別被納入稱為 Hadoop 的項目中

8)名字來源於Doug Cutting兒子的玩具大象

9)Hadoop就此誕生並迅速發展,標誌這雲計算時代來臨

3、Hadoop三大發行版本

Apache、Cloudera、Hortonworks

1)Apache版本最原始(最基礎)的版本,對於入門學習最好。

2)Cloudera在大型互聯網企業中用的較多。

  • 2008年成立的Cloudera是最早將Hadoop商用的公司,為合作伙伴提供Hadoop的商用解決方案,主要是包括支持、咨詢服務、培訓。
  • 2009年Hadoop的創始人Doug Cutting也加盟Cloudera公司。Cloudera產品主要為CDH,Cloudera Manager,Cloudera Support
  • CDH是Cloudera的Hadoop發行版,完全開源,比Apache Hadoop在相容性,安全性,穩定性上有所增強
  • Cloudera Manager是集群的軟體分發及管理監控平臺,可以在幾個小時內部署好一個Hadoop集群,並對集群的節點及服務進行實時監控。Cloudera Support即是對Hadoop的技術支持。
  • Cloudera的標價為每年每個節點4000美元。Cloudera開發並貢獻了可實時處理大數據的Impala項目。

3)Hortonworks文檔較好。

  • 2011年成立的Hortonworks是雅虎與矽谷風投公司Benchmark Capital合資組建。
  • 公司成立之初就吸納了大約25名至30名專門研究Hadoop的雅虎工程師,上述工程師均在2005年開始協助雅虎開發Hadoop,貢獻了Hadoop80%的代碼。
  • 雅虎工程副總裁、雅虎Hadoop開發團隊負責人Eric Baldeschwieler出任Hortonworks的首席執行官。
  • Hortonworks的主打產品是Hortonworks Data Platform(HDP),也同樣是100%開源的產品,HDP除常見的項目外還包括了Ambari,一款開源的安裝和管理系統。
  • HCatalog,一個元數據管理系統,HCatalog現已集成到Facebook開源的Hive中。Hortonworks的Stinger開創性的極大的優化了Hive項目。Hortonworks為入門提供了一個非常好的,易於使用的沙盒。
  • Hortonworks開發了很多增強特性並提交至核心主幹,這使得Apache Hadoop能夠在包括Window Server和Windows Azure在內的microsoft Windows平臺上本地運行。定價以集群為基礎,每10個節點每年為12500美元。

4、Hadoop的優勢

1)高可靠性:因為Hadoop假設計算元素和存儲會出現故障,因為它維護多個工作數據副本,在出現故障時可以對失敗的節點重新分佈處理。

2)高擴展性:在集群間分配任務數據,可方便的擴展數以千計的節點。

3)高效性:在MapReduce的思想下,Hadoop是並行工作的,以加快任務處理速度。

4)高容錯性:自動保存多份副本數據,並且能夠自動將失敗的任務重新分配。

5、Hadoop組成

5.1 HDFS架構概述

1)NameNode(nn):存儲文件的元數據,如文件名,文件目錄結構,文件屬性(生成時間、副本數、文件許可權),以及每個文件的塊列表和塊所在的DataNode等。

2)DataNode(dn):在本地文件系統存儲文件塊數據,以及塊數據的校驗和。

3)Secondary NameNode(2nn):用來監控HDFS狀態的輔助後臺程式,每隔一段時間獲取HDFS元數據的快照。

5.2 YARN架構概述

1)ResourceManager(rm):處理客戶端請求、啟動/監控ApplicationMaster、監控NodeManager、資源分配與調度。

2)NodeManager(nm):單個節點上的資源管理、處理來自ResourceManager的命令、處理來自ApplicationMaster的命令。

3)ApplicationMaster:數據切分、為應用程式申請資源,並分配給內部任務、任務監控與容錯。

4)Container:對任務運行環境的抽象,封裝了CPU、記憶體等多維資源以及環境變數、啟動命令等任務運行相關的信息。

5.3 MapReduce架構概述

MapReduce將計算過程分為兩個階段:Map和Reduce

1)Map階段並行處理輸入數據

2)Reduce階段對Map結果進行彙總

6、大數據技術生態體系

7、推薦系統框架圖


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • pwd命令 作用:顯示當前工作的全名路徑名 · alias命令 作用:對於經常使用的命令,可以將命令改為自己所習慣的字母 cal命令 作用:顯示日曆,可以顯示任意一年或者任意一月的日曆 使用舉例: 直接使用 cal 不加任何選項,會顯示當前電腦所顯示的時間日曆 如果在 cal 後面加上年份,可以顯 ...
  • more命令 作用:分屏顯示文件內容 格式:more [選項] 文件名 選項:-num 一次顯示的行數 +num 從第幾行開始顯示 使用技巧:空格或f鍵進行向下翻頁 使用Enter鍵向下換行 使用q或Q退出 / 字元串 向下查找字元串 註意點:使用more命令不可以進行向上翻頁 less命令 作用: ...
  • Deepin 原名Linux Deepin,在2014年4月改名Deepin。Deepin團隊基於Qt/C++(用於前端)和Go(用於後端)開發了的全新深度桌面環境(DDE),以及音樂播放器,視頻播放器,軟體中心等一系列特色軟體。 Deepin是由武漢深之度科技有限公司開發的Linux發行版。Dee ...
  • 減少文件大小有兩個明顯的好處,一是可以減少存儲空間,二是通過網路傳輸文件時,可以減少傳輸的時間。gzip是在Linux系統中經常使用的一個對文件進行壓縮和解壓縮的命令,既方便又好用。gzip不僅可以用來壓縮大的、較少使用的文件以節省磁碟空間,還可以和tar命令一起構成Linux操作系統中比較流行的壓 ...
  • 文章摘抄自:一支小白,博客地址:http://www.cnblogs.com/startnow/p/7580865.html Centos7安裝Oracle 11gR2 - 環境:VM12+centos7 x86_64 minimal - 最小化安裝的Centos7 - 虛擬機配置- 50G硬碟 - ...
  • 一、資料庫能夠做什麼 1.存儲大量的數據。 2.保持數據信息的一致、完整。 3.共用和安全。 4.通過組合分析,產生新的有用信息。 二、資料庫的基本概念 1.資料庫就是“數據”的“倉庫”。 2.資料庫中包含表、關係以及操作對象。 3.數據存放在表中。 三、數據完整性 ...
  • 一、什麼是索引。 索引是用來加速查詢的技術的選擇之一,在通常情況下,造成查詢速度差異 的因素就是索引是否使用得當。當我們沒有對數據表的某一欄位段或者多個 欄位添加索引時,實際上執行的全表掃描操作,效率很低。而如果我們為某 些欄位添加索引, 在執行搜索時便可以通過掃描索引,然後再找出索 引對應的值,從 ...
  • 1 . 背景描述 本公司的SQL Server 伺服器近百台,為了收集伺服器運行的狀態,需要在各個實例上部署監控Job,將收集到的信息推送到中央管理伺服器。 收集的信息主要包括:慢查詢、阻塞、資源等待、Connection_Trace log 、Job執行狀態、複製訂閱狀態、Alwayson狀態、數 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...