五. 大数据技术之Hadoop(1)
大数据概念
巨量数据集合,指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合
4V 特性:Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)
网上对于大数据概念的叙述有很多,这里不多做叙述
大数据要解决的核心问题
大量的数据如何存储(分布式文件系统HDFS)
大量的数据如何计算(分布式计算MapReduce)
举例:商品推荐:大量的订单如何存储?大量的订单如何计算? 天气预报数据:大量的天气数据如何存储?大量的天气数据如何计算
hadoop在宏观上可以看作是一种数据仓库的实现方式,所有黑色部分是传统数据仓库实现方式,红色部分是大数据数据仓库实现方式,大数据处理数据方式与传统数据大致相同,分为数据的采集(大数据一般是用sqoop,flume组件),数据的分析与处理(大数据使用MapReduce,Spark Core, 传统数据使用SQL语句),数据的输出
HDFS: 大数据的存储,分布式文件系统
HBase: 大数据中NoSQL数据库,基于BigTable的实现
MapReduce(yarn): 分布式计算,yarn表示大数据资源调度工具
Hue: 大数据中基于web的管理工具,提供用户web界面管理
Hive, Pig: 大数据数据分析引擎
Sqoop, flume: 数据采集工具(flume一般用于采集日志)
ZooKeeper: 大数据管理工具,实现高可用,负载均衡