介绍
企业一直在处理快速增长的数据量（也称为大数据）的存储和管理问题。原有的存储经扩展后缀让能勉强跟上计算容量增长的步伐，但是用来分析该大数据以得出宝贵见解的工具却落入后了。hadoop是一款经专门设计的创新性开源大数据分析引擎，旨在最大程度地缩短从企业的数据集到处宝贵见解的时间。本文为系列的第二篇，介绍Hadoop软件生态系统与体系结构。
更多信息
Hadoop版本：
Hadoop的版本由开源Apached Foundation在apache.org中维护。其他所有版本都是扩展Apache Hadoop或根据其构建的派生版本。下面是目前提供的常见Hadoop版本列表：
- Apache Hadoop
- Cloudera CDH3
- Greenplum HD
- Horonworks数据平台
以上列表并未详尽列出目前提供的所有Hadoop版本，而只是简单列出了流行的选择。有关目前提供的Hadoop版本的详细列表，请访问：Distributions and Commercial Support
Hadoop生态系统：
以下是客户为使用Hadoop分析数据而运行的软件堆栈。生态系统组件是Hadoop堆栈之上的附加组件，面向分析工作流提供附加功能和优势。该领域中一些流行的选择包括：
- Hive：一个类似于SQL的查询接口，适用于HDFS中存储的数据。
- HBase：一个面向随机读/写列的高性能结构化存储系统，位于HDFS之上。
- Pig：高级数据流语言和执行框架，适合于并行计算
- Manhout：使用Hadoop的可扩展的计算机学习算法
- R（RHIPE）：细分并重组大型复杂数据集的统计分析
以上并未详尽力促所有的Hadoop生态系统组件。
Hadoop体系结构
下面是一个体系结构图，其中显示了在一个Hadoop计算集群上运行的所有核心Hadoop组件。
该计算环境中发生的常规交互包括：
- 必须将数据接收到HDFS层内。
- 使用MapReduce对数据进行计算或分析。
- 在HDFS或其他基础架构中存储或导出结果，以适应整个Hadoop工作流。
上述体系结构还表明NameNode是该环境中的独立组件，如果它有任何问题，则整个Hadoop环境都将变得不可用。
EMC中文支持论坛https://community.emc.com/go/chinese
