Chapter2-厦门大学-林子雨-大数据技术原理与应用-第二章-大数据处理架构Hadoop.ppt

厦门大学计算机科学系2015年版林子雨厦门大学计算机科学系主页：

第二章大数据处理架构Hadoop

〔PPT版本号：2015年6月第1.0版〕《大数据技术原理与应用》温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字

提纲2.1概述2.2Hadoop工程结构2.3Hadoop的安装与使用欢送访问《大数据技术原理与应用》教材官方网站：本PPT是如下教材的配套讲义：21世纪高等教育计算机规划教材《大数据技术原理与应用——概念、存储、处理、分析与应用》〔2015年6月第1版〕厦门大学林子雨编著，人民邮电出版社ISBN:978-7-115-39287-9

2.1概述2.1.1 Hadoop简介2.1.2 Hadoop开展简史2.1.3 Hadoop的特性2.1.4 Hadoop的应用现状

2.1.1Hadoop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根底架构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〔HadoopDistributedFileSystem〕和MapReduceHadoop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、商业化工具和技术效劳，如谷歌、雅虎、微软、思科、淘宝等，都支持Hadoop

2.1.2Hadoop开展简史Hadoop最初是由ApacheLucene工程的创始人DougCutting开发的文本搜索库。Hadoop源自始于2002年的ApacheNutch工程——一个开源的网络搜索引擎并且也是Lucene工程的一局部在2004年，Nutch工程也模仿GFS开发了自己的分布式文件系统NDFS〔NutchDistributedFileSystem〕，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MapReduceHadoop的标志

2.1.2Hadoop开展简史到了2006年2月，Nutch中的NDFS和MapReduce开始独立出来，成为Lucene工程的一个子工程，称为Hadoop，同时，DougCutting加盟雅虎2008年1月，Hadoop正式成为Apache顶级工程，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，迅速开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

2.1.3Hadoop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本钱低运行在Linux平台上支持多种编程语言

2.1.3Hadoop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

2.2Hadoop工程结构经过多年的开展，Hadoop工程不断完善和成熟，目前已经包含多个子工程〔如图2-2所示〕除了核心的HDFS和MapReduce以外，Hadoop工程还包括Common、Avro、Zookeeper、HBase、Hive、Chukwa、Pig等子工程，它们提供了互补性效劳或在核心层上提供了更高层的效劳图2-2Hadoop工程结构图

2.3 Hadoop的安装与使用Hadoop根本安装配置主要包括以下几个步骤：创立Hadoop用户Java安装SSH登录权限设置单机安装配置伪分布式安装配置

2.3.1创立Hadoo