Hadoop_01_Apache Hadoop概述

一：Hadoop(Hadoop Distributed File System)概述：对海量数据分析处理的工具

　　 1. Hadoop是Apache旗下的一个用java语言实现开源软件框架，是一个开发和运行处理大规模数据的软件平台.允许使用简单

的编程模型在大量计算机集群上对大型数据集进行分布式处理.

　 　　

　　2. Hadoop 提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理

　　3. 狭义上说，Hadoop 指Apache 这款开源框架，它的核心组件有

　　

　　4. 广义上来说，Hadoop 通常是指一个更广泛的概念——Hadoop 生态圈

　　

　　

二：Hadoop发展简史：

　　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

　　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：

　　　　1. 谷歌分布式文件系统（GFS），可用于处理海量网页的存储

　　　　2. 分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题

　　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顶级项目，迎来了它的快速发展期

三：Hadoop特性优点：

四：Hadoop在大数据、云计算中的位置和关系：

　　云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合

发展的产物。借助IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS（软件即服务）等业务模式，把强大的计算能力提供给终端

用户

　　现阶段，云计算的两大底层支撑技术为“虚拟化”和“大数据技术”

　　而Hadoop 则是云计算的PaaS层的解决方案之一，并不等同于PaaS，更不等同于云计算本身

五：Hadoop国内外应用案例介绍：

　　Hadoop 用于用户画像：

　　

　　HADOOP用于网站点击流日志数据挖掘