基于Hadoop的大数据处理关键技术综述22.pptxVIP

2015.6.15 基于Hadoop的大数据处理关键技术综述 Content 定义、特点 大数据对系统的需求、大数据和云计算的关系 大数据市场分析 大数据处理的技术关键 1 2 Hadoop原理、优点 Hadoop体系架构 Hadoop核心设计：MapReduce、HDFS 1 定义 为了更为经济的从高频率获取的、大容量的、不同结构和类型的数据中获取价值，而设计的新一代架构和技术 特点 大数据对系统的需求 大数据和云计算的关系 High performance –高并发读写的需求 高并发、实时动态获取和更新数据 Huge Storage –海量数据的高效率存储和访问的需求 类似SNS网站，海量用户信息的高效率实时存储和查询 High Scalability High Availability –高可扩展性和高可用性的需求 需要拥有快速横向扩展能力、提供7*24小时不间断服务 云计算改变了IT,而大数据则改变了业务 云计算是大数据的IT基础，大数据须有云计算作为基础架构，才能高效运行 通过大数据的业务需求，为云计算的落地找到了实际应用 大数据市场分析 2011年是中国大数据市场元年，一些大数据产品已经推出，部分行业也有大数据应用案例的产生。2012年-2016年，将迎来大数据市场的飞速发展。 2012年中国大数据市场规模达到4.7亿元，2013年大数据市场将迎来增速为138.3%的飞跃，到2016年，整个市场规模逼近百亿。 政府、互联网、电信、金融的大数据市场规模较大，四个行业将占据一半市场份额。 由于各个行业都存在大数据应用需求，潜在市场空间非常可观。 大数据处理的技术关键 分析技术： 数据处理：自然语言处理技术； 统计和分析：地域占比，文本情感分析，A/B test，top N排行榜； 数据挖掘：建模，聚类，分类，排名； 模型预测：预测模型，机器学习，建模仿真。 存储技术： 结构化数据：海量数据查询、统计、更新等操作效率低 非结构化数据：图片、视频、word、pdf、ppt等文件存储，不利于检索，存储和查询 半结构化数据：转换为结构化数据或者按照非结构化存储。 大数据技术： 数据采集：ETL工具； 数据存取：关系数据库，NoSQL，NewSQL,等 基础架构支持：云存储，分布式文件系统等； 计算结果展现：云计算，标签云，关系图等。 解决方案： Hadoop（MapReduce技术）、MongoDB、流计算（twitter的strom和yahoo!的S4） 大数据主要应用技术——Hadoop 2 Hadoop最先是由Apache公司在2005年引入的，起源于google开发的MapReduce和Google File System（GFS）项目。 Hadoop作为新一代的架构和技术，因为有利于并行分布处理 “大数据”而备受重视。 Apache Hadoop 是一个用java语言实现的软件框架，在由大量计算机组成的集群中运行海量数据的分布式计算，它可以让应用程序支持上千个节点和PB级别的数据。 Hadoop是项目的总称，主要是由分布式存储（HDFS）、分布式计算（MapReduce）等组成 。 Hadoop原理 Hadoop原理 假设系统每秒处理4000个文件 处理4千万个文件 = 10000秒 约为2.7小时 优点 可扩展：不论是存储的可扩展还是计算的可扩展都是Hadoop的设计根本。 经济：框架可以运行在任何普通的PC上。 可靠：分布式文件系统的备份恢复机制以及MapReduce的任务监控保证了分布式处理的可靠性。 高效：分布式文件系统的高效数据交互实现以及MapReduce结合Local Data处理的模式，为高效处理海量的信息作了基础准备。 不适合 存储小文件 （不建议） 大量的随机读（不建议） 对文件的修改（不支持）应用模式为：write-once-read-many存取模式 Hadoop体系架构 MapReduce HBase Pig ChuKwa Hive Pig是一个基于Hadoop的大规模数据分析平台，Pig为复杂的海量数据并行计算提供了一个简易的操作和编程接口 hive是基于Hadoop的一个工具，提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行 Chukwa是基于Hadoop的集群监控系统，由yahoo贡献 ZooKeeper：高效的，可扩展的协调系统,存储和协调关键共享状态 HBase是一个开源的，基于列存储模型的分布式数据库 MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算 HDFS是一个分布式文件系统。有着高容错性的特点，并且设计用来部署在低廉的硬件上，适合那些有着超大数据集的应用程序 M