大数据技术原理与应用：大数据处理架构Hadoop.pdfVIP

《大数据技术原理与应用》 /course/XMU-1002335004 中国大学MOOC 2018年春季学期 第2讲大数据处理架构Hadoop 2.1 概述 • 2.1.1 Hadoop简介 • 2.1.2 Hadoop发展简史 • 2.1.3 Hadoop的特性 • 2.1.4 Hadoop的应用现状 2.1.1 Hadoop简介 •Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统 底层细节透明的分布式基础架构 •Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计 算机集群中 •Hadoop的核心是分布式文件系统HDFS （Hadoop Distributed File System）和 MapReduce •Hadoop被公认为行业大数据标准开源软件，在分布式环境下提供了海量数据的处理 能力 •几乎所有主流厂商都围绕Hadoop提供开发工具、开源软件、商业化工具和技术服务， 如谷歌、雅虎、微软、思科、淘宝等，都支持Hadoop 2.1.2 Hadoop发展简史 Hadoop的标志 •Hadoop最初是由Apache Lucene项目的创始人Doug Cutting开发的文 本搜索库。Hadoop源自始于2002年的Apache Nutch项目——一个开源 的网络搜索引擎并且也是Lucene项目的一部分 • 在2004年，Nutch项目也模仿GFS开发了自己的分布式文件系统 NDFS （Nutch Distributed File System），也就是HDFS的前身 • 2004年，谷歌公司又发表了另一篇具有深远影响的论文，阐述了 MapReduce分布式编程思想 • 2005年，Nutch开源实现了谷歌的MapReduce 2.1.2 Hadoop发展简史 • 到了2006年2月，Nutch中的NDFS和MapReduce开始独立出来，成 为Lucene项目的一个子项目，称为Hadoop，同时，Doug Cutting加盟 雅虎 • 2008年1月，Hadoop正式成为Apache顶级项目，Hadoop也逐渐开始 被雅虎之外的其他公司使用 • 2008年4月，Hadoop打破世界纪录，成为最快排序1TB数据的系统， 它采用一个由910个节点构成的集群进行运算，排序时间只用了209秒 •在2009年5月，Hadoop更是把1TB数据排序时间缩短到62秒。 Hadoop从此名声大震，迅速发展成为大数据时代最具影响力的开源分 布式开发平台，并成为事实上的大数据处理标准 2.1.3 Hadoop的特性 Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且 是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方 面的特性： • 高可靠性 • 高效性 • 高可扩展性 • 高容错性 • 成本低 • 运行在Linux平台上 • 支持多种编程语言 2.1.3 Hadoop的应用现状 •Hadoop凭借其突出的优势，已经在各个领域得到了广泛的应用，而 互联网领域是其应用的主阵地 • 2007年，雅虎在Sunnyvale总部建立了M45——一个包含了4000个处 理器和1.5PB容量的Hadoop集群系统 • Facebook作为全球知名的社交网站，Hadoop是非常理想的选择， Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等 方面 • 国内采用Hadoop的公司主要有百度、淘宝、网易、华为、中国移动 等，其中，淘宝的Hadoop集群比较大 2.1.3 Hadoop的应用现状 Hadoop在企业中的应用架构 2.1.4 Apache Hadoop版本演变 •Apache Hadoop版本分为两代，我们将第一代Hadoop称为Hadoop 1.0，第二代Hadoop称为Hadoop 2.0 •第一代Hadoop包含三个大版本，分别是0.20.x，0.21.x和0.22.