1.1.什么是hadoop
软件平台,可以通过http://apache.org/--->project-
->hadoop打开
2.Hadoop是开源软件,可靠的、分布式、可伸缩的。
对海量数据进行分布式处理
----hadoop生态圈
1.2数据分析故事
1.3数据有多大呢
数据量进制:
1G =1024M
1T = 1024G
1P = 1024T
1E = 1024P
1Z = 1024E
1Y = 1024Z
1N = 1024Y
Hadoop 廉价机器
去IOE
IBM//ibm小型机.
Oracle//oracle数据库服务器 RAC
。
1.4分布式
由分布在不同主机上的进程协同在一起,才能构成整个应用。
1.分布式软件系统(Distributed Software Systems)
2 该软件系统会划分成多个子系统或模块,各自运行在不同的机器上,
子系统或模块之间通过网络通信进行协作,实现最终的整体功能
2.分布式应用系统模拟开发
需求:可以实现由主节点将运算任务发往从节点,并将各从节点上的任务启动;
程序清单:
AppMaster
AppSlave/APPSlaveThread
Task
程序运行逻辑流程:
1.5 HADOOP在大数据、云计算中的位置和关系
服务)等业务模式,把强大的计算能力提供给终端用户。
两大底层支撑技术为“虚拟化”和“大数据技术”
1.6 HADOOP产生背景
最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
谷歌发表的两篇论文为该问题提供了可行的解决方案。
存储
索引计算问题。
开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目HADOOP,到2008年1月,HADOOP成为Apache顶级项目,迎来了它的快速发展期。
1.7 HADOOP现状