你好,游客 登录 注册 搜索
背景:
阅读新闻

Hadoop生态圈以及各组成部分的简介

[日期:2016-11-22] 来源:Linux社区  作者:ganchuanpu [字体: ]

  1.Hadoop是什么?

  适合大数据的分布式存储与计算平台

  HDFS: Hadoop Distributed File System分布式文件系统

  MapReduce:并行计算框架

  2.Hadoop生态圈

Hadoop

  ①HBase

  Google Bigtable的开源实现

  列式数据库

  可集群化

  可以使用shell、web、api等多种方式访问

  适合高读写(insert)的场景

  HQL查询语言

  NoSQL的典型代表产品

  ②Hive

  数据仓库工具。可以把Hadoop下的原始结构化数据变成Hive中的表

  支持一种与SQL几乎完全相同的语言HiveQL。除了不支持更新、索引和事务,几乎SQL的其它特征都能支持

  可以看成是从SQL到Map-Reduce的映射器

  提供shell、JDBC/ODBC、Thrift、Web等接口

  ③Zookeeper

  Google Chubby的开源实现

  用于协调分布式系统上的各种服务。例如确认消息是否准确到达,防止单点失效,处理负载均衡等

  应用场景:Hbase,实现Namenode自动切换

  工作原理:领导者,跟随者以及选举过程

  ④Sqoop

  用于在Hadoop和关系型数据库之间交换数据

  通过JDBC接口连入关系型数据库

  ⑤Chukwa

  架构在Hadoop之上的数据采集与分析框架

  主要进行日志采集和分析

  通过安装在收集节点的“代理”采集最原始的日志数据

  代理将数据发给收集器

  收集器定时将数据写入Hadoop集群

  指定定时启动的Map-Reduce作业队数据进行加工处理和分析

  ⑥Pig

  Hadoop客户端

  使用类似于SQL的面向数据流的语言Pig Latin

  Pig Latin可以完成排序,过滤,求和,聚组,关联等操作,可以支持自定义函数

  Pig自动把Pig Latin映射为Map-Reduce作业上传到集群运行,减少用户编写Java程序的苦恼

  ⑦Avro

  数据序列化工具,由Hadoop的创始人Doug Cutting主持开发

  用于支持大批量数据交换的应用。支持二进制序列化方式,可以便捷,快速地处理大量数据

  动态语言友好,Avro提供的机制使动态语言可以方便地处理 Avro数据。

  Thrift接口

  ⑧Cassandra

  NoSQL,分布式的Key-Value型数据库,由Facebook贡献

  与Hbase类似,也是借鉴Google Bigtable的思想体系

  只有顺序写,没有随机写的设计,满足高负荷情形的性能需求

  3.Hadoop生态圈流程图

 





收藏 推荐 打印 | 录入:elainebo | 阅读: