Hadoop生態(tài)體系有哪些子系統(tǒng)？

圖1 Hadoop生態(tài)圈

從圖1中可以看出，Hadoop生態(tài)體系包含了很多子系統(tǒng)，下面介紹一些常見的子系統(tǒng)，具體如下：

1． HDFS分布式文件系統(tǒng)

HDFS是Hadoop分布式文件系統(tǒng)，它是Hadoop生態(tài)系統(tǒng)中的核心項(xiàng)目之一，是分布式計(jì)算中數(shù)據(jù)存儲(chǔ)管理基礎(chǔ)。HDFS具有高容錯(cuò)性的數(shù)據(jù)備份機(jī)制，它能檢測(cè)和應(yīng)對(duì)硬件故障，并在低成本的通用硬件上運(yùn)行。另外，HDFS具備流式的數(shù)據(jù)訪問特點(diǎn)，提供高吞吐量應(yīng)用程序數(shù)據(jù)訪問功能，適合帶有大型數(shù)據(jù)集的應(yīng)用程序。

2． MapReduce分布式計(jì)算框架

MapReduce是一種計(jì)算模型，用于大規(guī)模數(shù)據(jù)集（大于1TB）的并行運(yùn)算?！癕ap”對(duì)數(shù)據(jù)集上的獨(dú)立元素進(jìn)行指定的操作，生成鍵值對(duì)形式中間結(jié)果；“Reduce”則對(duì)中間結(jié)果中相同“鍵”的所有“值”進(jìn)行規(guī)約，以得到最終結(jié)果。MapReduce這種“分而治之”的思想，極大地方便了編程人員在不會(huì)分布式并行編程的情況下，將自己的程序運(yùn)行在分布式系統(tǒng)上。

3． Yarn資源管理框架

Yarn（Yet Another Resource Negotiator）是Hadoop 2.0中的資源管理器，它可為上層應(yīng)用提供統(tǒng)一的資源管理和調(diào)度，它的引入為集群在利用率、資源統(tǒng)一管理和數(shù)據(jù)共享等方面帶來了巨大好處。

4． Sqoop數(shù)據(jù)遷移工具

Sqoop是一款開源的數(shù)據(jù)導(dǎo)入導(dǎo)出工具，主要用于在Hadoop與傳統(tǒng)的數(shù)據(jù)庫間進(jìn)行數(shù)據(jù)的轉(zhuǎn)換，它可以將一個(gè)關(guān)系型數(shù)據(jù)庫（例如，MySQL、Oracle等）中的數(shù)據(jù)導(dǎo)入到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導(dǎo)出到關(guān)系型數(shù)據(jù)庫中，使數(shù)據(jù)遷移變得非常方便。

5． Mahout數(shù)據(jù)挖掘算法庫

Mahout是Apache旗下的一個(gè)開源項(xiàng)目，它提供了一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序。Mahout包含許多實(shí)現(xiàn)，包括聚類、分類、推薦過濾、頻繁子項(xiàng)挖掘。此外，通過使用 Apache Hadoop 庫，Mahout 可以有效地?cái)U(kuò)展到云中。

6． Hbase分布式存儲(chǔ)系統(tǒng)

HBase是Google Bigtable克隆版，它是一個(gè)針對(duì)結(jié)構(gòu)化數(shù)據(jù)的可伸縮、高可靠、高性能、分布式和面向列的動(dòng)態(tài)模式數(shù)據(jù)庫。和傳統(tǒng)關(guān)系數(shù)據(jù)庫不同，HBase采用了BigTable的數(shù)據(jù)模型：增強(qiáng)的稀疏排序映射表（Key/Value），其中，鍵由行關(guān)鍵字、列關(guān)鍵字和時(shí)間戳構(gòu)成。HBase提供了對(duì)大規(guī)模數(shù)據(jù)的隨機(jī)、實(shí)時(shí)讀寫訪問，同時(shí)，HBase中保存的數(shù)據(jù)可以使用MapReduce來處理，它將數(shù)據(jù)存儲(chǔ)和并行計(jì)算完美地結(jié)合在一起。

7． Zookeeper分布式協(xié)作服務(wù)

Zookeeper是一個(gè)分布式的，開放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù)，是Google的Chubby一個(gè)開源的實(shí)現(xiàn)，是Hadoop和HBase的重要組件。它是一個(gè)為分布式應(yīng)用提供一致性服務(wù)的軟件，提供的功能包括：配置維護(hù)、域名服務(wù)、分布式同步、組服務(wù)等用于構(gòu)建分布式應(yīng)用，減少分布式應(yīng)用程序所承擔(dān)的協(xié)調(diào)任務(wù)。

8． Hive基于Hadoop的數(shù)據(jù)倉庫

Hive是基于Hadoop的一個(gè)分布式數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，將SQL語句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行運(yùn)行。其優(yōu)點(diǎn)是操作簡單，降低學(xué)習(xí)成本，可以通過類SQL語句快速實(shí)現(xiàn)簡單的MapReduce統(tǒng)計(jì)，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉庫的統(tǒng)計(jì)分析。

9． Flume日志收集工具

Flume是Cloudera提供的一個(gè)高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時(shí)，F(xiàn)lume提供對(duì)數(shù)據(jù)進(jìn)行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。



猜你喜歡：

黑馬程序員大數(shù)據(jù)基礎(chǔ)視頻教程

大數(shù)據(jù)離散流是什么？它的內(nèi)部結(jié)構(gòu)是怎樣的？