原创 Hadoop入门基础知识总结

大数据时代的浪潮袭来，Hadoop作为一种用来处理海量数据分析的工具，是每一个大数据开发者必须要学习和掌握的利器。本文总结了Hadoop入门基础知识，主要包括了Hadoop概述、Hadoop的发展历程和Hadoop的特性。下面一起来看看吧！

1、Hadoop概述

Hadoop 是 Apache 旗下的一个用 Java 语言实现开源软件框架，它还是一个开发和运行处理大规模数据的软件平台。Hadoop允许使用简单的编程模型，在大量计算机集群上，对大型数据集进行分布式处理。

狭义上说，Hadoop 指 Apache 这款开源框架，它的核心组件有：HDFS（分布式文件系统）：解决海量数据存储 ；YARN（作业调度和集群资源管理的框架）：解决资源任务调度；MAPREDUCE（分布式运算编程框架）：解决海量数据计算。

广义上来说，Hadoop 通常是指一个更广泛的概念——Hadoop 生态圈。当下的 Hadoop 已经成长为一个庞大的体系，随着生态系统的成长，新出现的项目越来越多，其中不乏一些非 Apache 主管的项目，这些项目对 HADOOP 是很好的补充或者更高层的抽象。比如，HDFS： 分 布 式 文 件 系 统；MAPREDUCE：分布式运算程序开发框架；HIVE：基于 HADOOP 的分布式数据仓库，提供基于 SQL 的查询数据操作；HBASE：基于Hadoop的分布式海量数据库；ZOOKEEPER：分布式协调服务基础组件；Mahout：基于 mapreduce/spark/flink 等分布式运算框架的机器学习算法库；OOZIE：工作流调度框架；Sqoop：数据导入导出工具；FLUME：日志数据采集框架；IMPALA：基于 hive 的实时 sql 查询分析。

2、Hadoop的发展历程

Hadoop 是 Apache Lucene 创始人 Doug Cutting 创建的。最早起源于 Nutch， 它是 Lucene 的子项目。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。

2003 年 Google 发表了一篇论文为该问题提供了可行的解决方案。论文中描述的是谷歌的产品架构，该架构称为：谷歌分布式文件系统（GFS）,可以解决他们在网页爬取和索引过程中产生的超大文件的存储需求。

2004 年 Google 发表论文向全世界介绍了谷歌版的MapReduce 系统。 同时期，Nutch 的开发人员完成了相应的开源实现 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。

2006 年 Google 发表了论文是关于 BigTable 的，这促使了后来的 Hbase的发展。 因此，Hadoop 及其生态圈的发展离不开 Google 的贡献。

3、Hadoop的特性

（1）扩容能力：Hadoop 是在可用的计算机集群间分配数据并完成计算任务的，这些集群可用方便的扩展到数以千计的节点中。

（2）成本低：Hadoop 通过普通廉价的机器组成服务器集群来分发以及处理数据，以至于成本很低。

（3）高效率：通过并发数据，Hadoop 可以在节点之间动态并行的移动数据，使得速度非常快。

（4）可靠性：能自动维护数据的多份复制，并且在任务失败后能自动地重新部署计算任务。所以 Hadoop 的按位存储和处理数据的能力值得人们信赖。

4、Hadoop的应用

Hadoop 最受青睐的行业是互联网领域，可以说互联网公司是 hadoop 的主要使用力量。国外来说，Yahoo、Facebook、IBM 等公司都大量使用 hadoop 集群来支撑业务。比如：Yahoo 的 Hadoop 应用在支持广告系统、用户行为分析、支持 Web 搜索等。 Facebook 主要使用 Hadoop 存储内部日志与多维数据，并以此作为报告、分析和机器学习的数据源。

国内来说，BAT 领头的互联网公司是当仁不让的 Hadoop 使用者、维护者。比如 Ali 云梯（14 年国内最大 Hadoop 集群）、百度的日志分析平台、推荐引擎系统等。国内其他非互联网领域也有不少 hadoop 的应用，比如：金融行业的个人征信分析，证券行业的投资模型分析，还有交通行业的车辆、路况监控分析和电信行业的用户上网行为分析 。

Hadoop入门基础知识就分享到这里了，博学谷平台上除了关于大数据的学习干货之外，还有更专业的学习视频资源，大家如果对于学习大数据感兴趣，不妨现在就开始在线学习吧~