1.1为什么需要Hadoop 

(1)数据分析者面临的问题

  – 数据日趋庞大,读写都出现性能瓶颈;

  – 用户的应用和分析结果,对实时性和响应时间 要求越来越高;

  – 使用的模型越来越复杂,计算量指数级上升。

(2)期待的解决方案

  – 解决性能瓶颈,在可见的未来不会出现新瓶颈 之前的技术可以平稳过渡,如SQL;

  – 转移成本,如软硬件成本,开发成本,技能培 养成本,维护成本

(3)关系型数据库和Hadoop的比较

课堂笔记

关系型数据库属于集中型的数据方案。

数据大小:

1PB=210GB

访问:

交互式处理—处理在线数据,实时处理,通俗一点就是一问一答的意思。

批处理—处理离线数据,举个例子,学生问老师10个问题,老师将这10个问题解决后,一次性将解答打包给学生。

更新:

一次写入多次读写—eg:百度搜索。(倒排索引)

ps:增删改查,Hadoop中没有改,当写错时,就只有直接覆盖。

另外,关系型数据库的数据结构是表,,在建好的表上增加或删除属性,成本是很大的。

结构:

怎么说呢?在传统关系型数据库Mysql中,比如学生管理系统,其中关于学生的一个表,有很多属性,Sno Sname Sage Ssex Sdept,其中,某些属性对应的属性值是null,存储时是会占空间的,而Hadoop的话,null值是不会占空间的。数据一大,那优势就体现出来了。

完整性:

范式是符合某一种级别的关系模式的集合。关系数据库中的关系必须满足一定的要求,满足不同程度要求的为不同范式。

换句话说,就是规则(约束),进而有了完整性一说。

因而在关系型数据库中,因为有外键的存在,在删除某个表时,要删除从表信息,才能删除主表的信息。

Hadoop就不同,它是一张大表,就没有关系型数据库的那些麻烦。

那么,问题来了,既然如此,那么我们的生活中就不需要关系型数据库了吗?

举个例子,教务系统,当中有学生的信息,老师的管理,课程的安排等等,不可能只用一张表能装下如此错综复杂的信息。因而我们生活中还是要用关系型数据库!

横向扩展:

嗯...没有图,将就了吧。想象一下,这里有个二维函数,横坐标是服务器的台数,纵坐标是性能,Hadoop和RDBMS(关系型数据库)在第一区间的函数分别是怎样的呢?前者是一个一次函数,一直上升;后者的函数先极速上升,后趋向平缓,进而无论后面增加多少台服务器,性能都趋于定值。

Hadoop思想-小鱼与鲨鱼,高富帅与屌丝

(4)集群

  • 集群的定义

  – 集群是一组相互独立的、通过高速网络互联的 计算机,它们构成了一个组,并以单一系统的 模式加以管理。

  – 一个客户与集群相互作用时,集群像是一个独 立的服务器。

  • 集群的作用

  – 在付出较低成本的情况下获得在性能、可靠性、 灵活性方面的相对较高的收益

  • 使用集群的目的

  – 提高性能(横向扩展)

  – 降低成本(买一台百万级的服务器,用分布式10万块就可以办到)

  – 提高可扩展性(加一台机器,性能呈   上升)

  – 增强可靠性(比如说一台机子宕机了)

  • 使用集群的场景

  – 科学集群

  – 负载均衡集群

  – 高可用性集群

  • 集群的构建

  – 从硬件角度来看可以分为节点机系统、通讯系 统、存储系统等

  – 软件角度则主要有操作系统、集群操作系统 (COS)、并行环境、编译环境和用户应用软件等

  • 集群的关键技术

   – 任务调度——进程迁移

(5)Hadoop体系下的分析手段

  – 主流:Java 程序

  – 海量离线数据处理技术:MapReduce

  – 分布式文件系统:HDFS

  – NoSQL(Not Only不止一个数据库的意思)数据库:Hbase

  – SQL技巧平稳:Hive

1.2Hadoop2.0生态系统 

(1)Hadoop自身包括以下内容:

  Hadoop Common: hadoop的基础

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

  Hadoop YARN: 集群任务资源管理及任务 调度的框架

  Hadoop MapReduce: 基于YARN的分布式计算

(2)与hadoop相关的产品大致上分为两大部分:

  • 数据服务(Data Services)

  – HBase: 将文件建于HDFS上的分布式KeyValue数据库 要先搭建Hadoop平台!

  – Hive: 有比较友好接口(相对来讲)的数据仓 库,它实际上是基于MapReduce的一个应用。搭建Hive之前不必要搭建Hbase,但要搭建Hadoop。

  – Pig:它使用一个叫做“Pig Latin”的东西来作为 用户交互语言,底层依然是MapReduce。它与 Hive有类似之处,都是用来做大数据处理,但 它似乎比Hive要简单一些,没有“存储”的概念 (metadata,“表”等), 接口也少。

  – HCatalog:这是一个hadoop数据管理层,你 可以用Hive, Pig , MapReduce等来存取 hadoop的数据,而不用关心这些数据是如何存 储的。

  • 运行维护(Operational Services)

  – ZooKeeper:分布式应用协调器。只能搭建奇数个集群。

  • 其他相关产品/项目:

  – Mahout: 机器学习和数据挖掘

  – Spark:内存计算

  – Storm:实时计算

ps:现在其余两个已经被Spark取代。

(3)Hadoop2.0中各种产品的相互关系

灰色的Hadoop自带,绿色的是与Hadoop相关的产品。

Amban:运维工具

Avro:某种协议

Cassandra:最最专业的NoSQL工具

Oozie:向Hadoop提交数据

三大主流的数据库:Cassandra;芒果;Hbase。

hadoop第二课的更多相关文章

  1. 马士兵hadoop第二课:hdfs集群集中管理和hadoop文件操作

    马士兵hadoop第一课:虚拟机搭建和安装hadoop及启动 马士兵hadoop第二课:hdfs集群集中管理和hadoop文件操作 马士兵hadoop第三课:java开发hdfs 马士兵hadoop第 ...

  2. 马士兵hadoop第二课:hdfs集群集中管理和hadoop文件操作(转)

    马士兵hadoop第一课:虚拟机搭建和安装hadoop及启动 马士兵hadoop第二课:hdfs集群集中管理和hadoop文件操作 马士兵hadoop第三课:java开发hdfs 马士兵hadoop第 ...

  3. Hadoop第二课:Hadoop集群环境配置

    一.Yum配置 1.检查Yum是否安装 rpm -qa|grep yum 2.修改yum源,我使用的是163的镜像源(http://mirrors.163.com/),根据自己的系统选择源, #进入目 ...

  4. 马士兵hadoop第一课:虚拟机搭建和安装hadoop及启动(转)

    马士兵hadoop第一课:虚拟机搭建和安装hadoop及启动 马士兵hadoop第二课:hdfs集群集中管理和hadoop文件操作 马士兵hadoop第三课:java开发hdfs 马士兵hadoop第 ...

  5. CI(CodeIgniter)框架入门教程——第二课 初始MVC

    本文转载自:http://www.softeng.cn/?p=53 今天的主要内容是,使用CodeIgniter框架完整的MVC内容来做一个简单的计算器,通过这个计算器,让大家能够体会到我在第一节课中 ...

  6. OpenCV 第二课 认识图像的存储结构

    OpenCV 第二课 认识图像的存储结构 Mat Mat 类包含两部分,矩阵头和矩阵体.矩阵头包含矩阵的大小,存储方式和矩阵体存储空间的指针.因此,Mat中矩阵头的大小是固定的,矩阵体大小是不定的. ...

  7. Kali Linux Web 渗透测试视频教程— 第二课 google hack 实战

    Kali Linux Web 渗透测试— 第二课 代理简介 文/玄魂 课程地址: http://edu.51cto.com/course/course_id-1887.html 目录 shellKal ...

  8. 【第二课】深入理解Handler

    简要讲解Handler是做什么的 我们知道,在Android中,app启动会启动一个进程一个线程——UI线程,UI线程是主线程,并且不允许这个线程阻塞超过5秒,一旦超过5秒就会ANR. 所以较为耗时的 ...

  9. ruby代码重构第二课

    (文章都是从我的个人主页上粘贴过来的, 大家也可以访问我的主页 www.iwangzheng.com) 在第一课里提取出了相通的代码,第二课里就把常量提取出来吧 一般把常量的定义写的对应的app/mo ...

随机推荐

  1. [poj3565]Ants

    [poj3565]Ants 标签(空格分隔):二分图 描述 Young naturalist Bill studies ants in school. His ants feed on plant-l ...

  2. 前端JS面试题汇总 Part 2 (null与undefined/闭包/foreach与map/匿名函数/代码组织)

    原文:https://github.com/yangshun/front-end-interview-handbook/blob/master/questions/javascript-questio ...

  3. MySQL 之 视图、触发器、存储过程、函数、事物与数据库锁

    浏览目录: 1.视图 2.触发器 3.存储过程 4.函数 5.事物 6.数据库锁 7.数据库备份 1.视图 视图:是一个虚拟表,其内容由查询定义.同真实的表一样,视图包含一系列带有名称的列和行数据 视 ...

  4. 缩减APK包大小

    1)开启minifyEnabled 开启混淆,删除没用的java文件 2)开启shrinkResources 去除无用资源 3)resConfigs "zh" 删除无用的语言资源 ...

  5. SPFA+SLF+LLL优化模板

    #include<algorithm> #include <iostream> #include <cstdlib> #include <cstring> ...

  6. 30分钟掌握ES6/ES2015核心内容(上)

    ECMAScript 6(以下简称ES6)是JavaScript语言的下一代标准.因为当前版本的ES6是在2015年发布的,所以又称ECMAScript 2015. 也就是说,ES6就是ES2015. ...

  7. css入门二-常用样式

    css入门二-常用样式总结 基本标签样式 背景色background-color 高度height; 宽度width; 边框对齐以及详细设定举例 width/*宽度*/: 80%; height/*高 ...

  8. 对HI3531的GPIO使用的再分析

    在一个嵌入式系统中使用最多的莫过于 通用输入输出 GPIO口.看到论坛中经常有朋友问海思为什么没有提供GPIO驱动.其实不然. 在海思SDK  xxx/osdrv/tools/board_tools/ ...

  9. 【linux】php安装 出现Sorry, I cannot run apxs. ***错误解决方法

    首先, 通过错误提示, 我们得知"I cannot run apxs". 我一直以为是apxs安装有问题, 但找了很久仍未得到合理的解释和解决方法. 于是我直接运行"/u ...

  10. 五种基于RGB色彩空间统计的皮肤检测算法

    最近一直在研究多脸谱识别以及如何分辨多个皮肤区域是否是人脸的问题 网上找了很多资料,看了很多篇文章,将其中基于RGB色彩空间识别皮肤 的统计算法做了一下总结,统计识别方法主要是简单相比与很多其它基于 ...