| 组件 | 说明 |

| — | :-- |

| HDFS | 分布式文件系统 |

| MAPREDUCE | 分布式运算程序开发框架 |

| HIVE | 基于大数据技术（文件系统+运算框架）的SQL数据仓库工具 |

| HBASE | 基于HADOOP的分布式海量数据库 |

| ZOOKEEPER | 分布式协调服务基础组件 |

【一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义】

浏览器打开：qq.cn.hn/FTf 免费领取

| Mahout | 基于mapreduce/spark/flink等分布式运算框架的机器学习算法库 |

| Oozie | 工作流调度框架 |

| Sqoop | 数据导入导出工具 |

| Flume | 日志数据采集框架 |

Hadoop产生的背景

=========================================================================

1. HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

2. 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。

分布式文件系统（GFS），可用于处理海量网页的存储

分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。

bigTable

3. Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache*项目，迎来了它的快速发展期。

Hadoop应用案例

========================================================================

新浪数据应用平台 https://www.yqt365.com/goToNewGeneralizeMain.action?searchFrom=0&fromChannel=20

大数据的意义及应用

不在于掌握庞大的数据信息

而在于对这些含有意义的数据进行专业化处理为决策提供依据

大数据涉及领域

分布式系统概述

=====================================================================

分布式软件系统(Distributed Software Systems)，该软件系统会划分成多个子系统或模块，各自运行在不同的机器上，子系统或模块之间通过网络通信进行协作，实现最终的整体功能，比如分布式操作系统、分布式程序设计语言及其编译(解释)系统、分布式文件系统和分布式数据库系统等。

离线数据分析介绍

======================================================================

流程图解析

本案例跟典型的BI系统极其类似，整体流程如下

由于本案例的前提是处理海量数据，因而，流程中各环节所使用的技术则跟传统BI完全不同

1. 数据采集：定制开发采集程序，或使用开源框架FLUME

2. 数据预处理：定制开发mapreduce程序运行于hadoop集群

3. 数据仓库技术：基于hadoop之上的Hive

4. 数据导出：基于hadoop的sqoop数据导入导出工具