作者:lyglpp | 来源:互联网 | 2023-09-04 10:12
波若大数据平台Hadoop + HDFS+Hive+Hbase大数据开发工具剖析:
HDFS:分布式、高度容错性文件系统,能提供高吞吐量的数据访问,非常适合大规模数据集上的应用,大规模的波若大数据平台(BR-odp)用户部署上1000台的HDFS集群。数据规模高达50PB以上
HDFS和MR共同组成Hadoop分布式系统体系结构的核心。HDFS在集群上实现了分布式文件系统,MR在集群上实现了分布式计算和任务处理。HDFS在MR任务处理过程中提供了文件操作和存储等支持,MR在HDFS的基础上实现了任务的分发、跟踪、执行等工作,并收集结果,二者相互作用,完成分布式集群的主要任务。
Hive:基于Hadoop的一个数据仓库工具,Hive构建在HDFS之上,它提供了一系列的工具,用来进行数据提取、转换、加载,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据机制可以将结构化的数据文件映射为一张数据库表,并提供类sql查询功能,可以将sql语句转换为MapReduce/Tez任务进行运行。其优点是学习成本低,可以通过类SQL语句快速实现简单的数据统计,不必开发专门的MapReduce应用,十分适合数据仓库离线的统计分析。
HBase:分布式的、面向列的开源数据库,HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。HBase对上百亿条,上百万列的数据表能够提供实时的访问。
波若大数据平台,Hadoop分布式计算平台的分布式文件系统HDFS、MapReduce处理过程,以及数据仓库工具Hive和分布式数据库Hbase等核心技术的应用,实现对大规模海量数据的高效、便捷的数据计算、存储、分析等实用价值。