从Hadoop框架讨论大数据生态

Hadoop 是什么

1) Hadoop 是一个由 Apache 基金会所开发的分布式系统基础架构。

2）主要解决，海量数据的存储和海量数据的分析计算问题。

3）广义上来说，Hadoop 通常是指一个更广泛的概念——Hadoop 生态圈。

Hadoop 发展历史

1) Lucene 框架是 Doug Cutting 开创的开源软件，用 Java 书写代码，实现与 Google 类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎。

Hadoop 创始人 Doug Cutting

2) 2001 年年底 Lucene 成为 Apache 基金会的一个子项目。

3）对于海量数据的场景，Lucene 面对与 Google 同样的困难，存储数据困难，检索速度慢。4）学习和模仿 Google 解决这些问题的办法︰微型版 Nutch。

5）可以说 Google 是 Hadoop 的思想之源(Google 在大数据方面的三篇论文)

GFS -->HDFS

Map-Reduce -—>MR

BigTable --->HBase

6) 2003-2004 年，Google 公开了部分 GFS 和 MapReduce 思想的细节，以此为基础 Doug Cutting 等人用了 2 年业余时间实现了 DFS 和 MapReduce 机制，使 Nutch 性能飙升。

7) 2005 年 Hadoop 作为 Lucene 的子项目 Nutch 的一部分正式引入 Apache 基金会。

8） 2006 年 3 月份，Map-Reduce 和 Nutch Distributed File System (NDFS)分别被纳入到 Hadoop 项目中，Hadoop 就此正式诞生，标志着大数据时代来临。

9)名字来源于 Doug Cutting 儿子的玩具大象。

Hadoop 三大发行版本
Hadoop 三大发行版本：Apache、Cloudera、Hortonworks。

Apache 版本最原始（最基础）的版本，对于入门学习最好。

Cloudera 在大型互联网企业中用得较多。

Hortonworks 文档较好。

1. Apache Hadoop

2. Cloudera Hadoop

（1）2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的商用解决方案，主要是包括支持、咨询服务、培训。

（2）2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品主要为 CDH，Cloudera Manager，Cloudera Support

（3）CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安全性，稳定性上有所增强。

（4）Cloudera Manager 是集群的软件分发及管理监控平台，大数据培训可以在几个小时内部署好一个 Hadoop 集群，并对集群的节点及服务进行实时监控。Cloudera Support 即是对 Hadoop 的技术支持。

（5）Cloudera 的标价为每年每个节点 4000 美元。Cloudera 开发并贡献了可实时处理大数据的 Impala 项目。

3. Hortonworks Hadoop

官网地址：https://hortonworks.com/produ...

下载地址：https://hortonworks.com/downl...

（1）2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。

（2）公司成立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师，上述工程师均在 2005 年开始协助雅虎开发 Hadoop，贡献了 Hadoop80%的代码。

（3）雅虎工程副总裁、雅虎 Hadoop 开发团队负责人 Eric Baldeschwieler 出任 Hortonworks 的首席执行官。

（4）Hortonworks 的主打产品是 Hortonworks Data Platform（HDP），也同样是 100%开源的产品，HDP 除常见的项目外还包括了 Ambari，一款开源的安装和管理系统。

（5）HCatalog，一个元数据管理系统，HCatalog 现已集成到 Facebook 开源的 Hive 中。Hortonworks 的 Stinger 开创性的极大地优化了 Hive 项目。Hortonworks 为入门提供了一个非常好的，易于使用的沙盒。

（6）Hortonworks 开发了很多增强特性并提交至核心主干，这使得 Apache Hadoop 能够在包括 Window Server 和 Windows Azure 在内的 Microsoft Windows 平台上本地运行。定价以集群为基础，每 10 个节点每年为 12500 美元。

Hadoop 的优势（4 高）
1)高可靠性:Hadoop 底层维护多个数据副本，所以即使 Hadoop 某个计算元素或存储出现故障，也不会导致数据的丢失。

2）高扩展性:在集群间分配任务数据，可方便的扩展数以千计的节点。

3）高效性:在 MapReduce 的思想下，Hadoop 是并行工作的，以加快任务处理速度。

4)高容错性:能够自动将失败的任务重新分配。