版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/tian_qing_lei/article/details/73756491
1.hadoop背景介绍
1.1.什么是hadoop
1.hadoop是apache旗下的一套开源软件平台,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。
3.Hadoop提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理
4.广义上来说,Hadoop通常是指一个更广泛的概念----hadoop生态圈
1.2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)
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:
1.3 HADOOP在大数据、云计算中的位置和关系
1.云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合发展的产物。借助IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等业务模式,把强大的计算能力提供给终端用户。
2.现阶段,云计算的两大底层支撑技术为“虚拟化”和“大数据技术”
1.4 HADOOP产生背景
1.HADOOP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。
2.2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
——分布式文件系统(GFS),可用于处理海量网页的存储
——分布式计算框架MAPREDUCE,可用于处理海量网页的索引计算问题。
3.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。
1.5国内外HADOOP应用案例介绍
1、HADOOP应用于数据服务基础平台建设
2/HADOOP用于用户画像
3、HADOOP用于网站点击流日志数据挖掘