Hadoop学习

谁践踏了优雅 2022-03-10 14:50 152阅读 0赞

Hadoop在2.0将资源管理从MapReduce中独立出来变成通用框架后，就从1.0的三层结构演变为了现在的四层架构：

*  底层——存储层，文件系统HDFS
 *  中间层——资源及数据管理层，YARN以及Sentry等
 *  上层——MapReduce、Impala、Spark等计算引擎
 *  顶层——基于MapReduce、Spark等计算引擎的高级封装及工具，如Hive、Pig、Mahout等等

## Hadoop家族 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NhbWp1c3RpbjE_size_16_color_FFFFFF_t_70]

## Hadoop产品： ##

*  Apache Hadoop: 是Apache开源组织的一个`分布式计算开源框架`，提供了一个分布式文件系统子项目(HDFS)和支持MapReduce分布式计算的软件架构。
 *  Apache Hive: 是基于Hadoop的一个`数据仓库`工具，可以将结构化的数据文件映射为一张数据库表，通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
 *  Apache Pig: 是一个基于Hadoop的大规模数据分析工具，它提供的SQL-LIKE语言叫Pig Latin，该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。
 *  Apache HBase: 是一个`高可靠性、高性能、面向列、可伸缩`的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。
 *  Apache Sqoop: 是一个用来将`Hadoop和关系型数据库中的数据`相互转移的工具，可以将一个关系型数据库（MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
 *  Apache Zookeeper: 是一个为`分布式应用所设计的分布的、开源的协调服务`，它主要是用来解决分布式应用中经常遇到的一些数据管理问题，简化分布式应用协调及其管理的难度，提供高性能的分布式服务
 *  Apache `Mahout`:是基于Hadoop的机器学习和数据挖掘的一个分布式框架。Mahout用MapReduce实现了部分数据挖掘算法，解决了并行挖掘的问题。
 *  Apache Cassandra:是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，用于储存简单格式数据，集Google BigTable的数据模型与Amazon Dynamo的完全分布式的架构于一身
 *  Apache Avro: 是一个数据序列化系统，设计用于支持数据密集型，大批量数据交换的应用。Avro是新的数据序列化格式与传输工具，将逐步取代Hadoop原有的IPC机制
 *  Apache `Ambari`: 是一种基于Web的工具，支持Hadoop集群的供应、管理和监控。
 *  Apache Chukwa: 是一个开源的用于监控大型分布式系统的数据收集系统，它可以将各种各样类型的数据收集成适合 Hadoop 处理的文件保存在 HDFS 中供 Hadoop 进行各种 MapReduce 操作。
 *  Apache Hama: 是一个基于HDFS的BSP（Bulk Synchronous Parallel)并行计算框架, Hama可用于包括图、矩阵和网络算法在内的大规模、大数据计算。
 *  Apache `Flume`: 是一个分布的、可靠的、高可用的海量`日志聚合的系统`，可用于日志数据收集，日志数据处理，日志数据传输。
 *  Apache Giraph: 是一个可伸缩的分布式迭代图处理系统， 基于Hadoop平台，灵感来自 BSP (bulk synchronous parallel) 和 Google 的 Pregel。
 *  Apache Oozie: 是一个`工作流引擎服务器`, 用于管理和协调运行在Hadoop平台上（HDFS、Pig和MapReduce）的任务。
 *  Apache Crunch: 是基于Google的FlumeJava库编写的Java库，用于创建MapReduce程序。与Hive，Pig类似，Crunch提供了用于实现如连接数据、执行聚合和排序记录等常见任务的模式库
 *  Apache Whirr: 是一套运行于云服务的类库（包括Hadoop），可提供高度的互补性。Whirr学支持Amazon EC2和Rackspace的服务。
 *  Apache Bigtop: 是一个对Hadoop及其周边生态进行打包，分发和测试的工具。
 *  Apache HCatalog: 是基于Hadoop的数据表和存储管理，实现中央的元数据和模式管理，跨越Hadoop和RDBMS，利用Pig和Hive提供关系视图。
 *  Cloudera Hue: 是一个基于WEB的监控和管理系统，实现对HDFS，MapReduce/YARN, HBase, Hive, Pig的web化操作和管理。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NhbWp1c3RpbjE_size_16_color_FFFFFF_t_70]: /images/20220310/f177e8fb127e4984af41e6c3760db682.png