周末查询了一些大数据相关的资料，今天简单以Hadoop的视角来总结一下我对大数据发展里程的总结：

---

2004：Google 发表大数据论文，  “三驾马车”横空出世

1.     分布式文件系统 GFS

2.     大数据分布式计算框架 MapReduce

3.     NoSQL 数据库系统 BigTable

---

2006：Nutch 搜索引擎 分离出 Hadoop  

  Doug Cutting 将大数据相关的功能从 Nutch 中分离出来

1.     HDFS，分布式文件存储

2.     MapReduce，分布式计算引擎、资源调度框架

---

2007：陆续应用于 雅虎、百度、阿里 等企业

    Hadoop 应用于互联网大厂的大数据存储与计算

---

2008：Hadoop 成为 Apache *项目

1. Cloudera 成立，运营 Hadoop 的商业公司

2. Pig（Yahoo 开发）  脚本语言 转换为 MapReduce 任务

3. Hive （Facebook 开发） 用 SQL 转换为 MapReduce 任务 

4. Cassandra （Facebook 开发） 分布式 NoSQL 数据库

---

2011：Hadoop 生态逐步形成

1. Sqoop 数据导入、导出工具

2. Flume 日志分布式 收集、聚合、传输

3. Oozie 工作流调度引擎

4. HBase 基于 HDFS 的 NoSQL 系统

5. Cassandra 分布式 NoSQL 数据库，逐渐流行

---

2012：Yarn 资源调度系统

    Spark 开始崭露头角：源于 伯克利 AMP 实验室。

新概念引入：

1. 批处理计算、大数据离线计算

• 代表：MapReduce、Spark

大数据流计算、大数据实时计算

• 代表：Storm、Flink、Spark Streaming

大数据分析与大数据仓库

• 代表：Hive、Spark SQL

大数据挖掘与机器学习

• 代表：Mahout、MLlib、TensorFlow​

---

   本次总结粒度比较粗，面相对窄。后续我们继续