Hadoop学习笔记（1）概述

写在学习笔记之前的话：

---

寒假已经开始好几天了，似乎按现在的时间算，明天就要过年了。在家的这几天，该忙的也都差不多了，其实也都是瞎忙。接下来的几点，哪里也不去了，静静的呆在家里学点东西。所以学习一下Hadoop的相关知识，跟自己的研究方向毛关系没有啊，就当自己的兴趣爱好吧。

学习目标：

---

（1）掌握Hadoop基本知识，进行Hadoop的HDFS和MapReduce应用开发，搭建Hadoop集群。

（2）掌握HBase基本知识，搭建HBase集群，HBase的基本操作。

（3）掌握数据仓库基本知识，用Hive建立数据仓库，并进行多维数据分析。

Hadoop简介：

---

Hadoop的核心分为两部分：文件管理系统（HDFS）负责存储和管理文件，MapReduce是专门负责计算的另一个核心，计算的数据来自HDFS。这种计算是要用java代码调用Hadoop的API才能实现的，那么这样一来Hadoop的应用面就变得非常窄，当遇到了大的项目的时候，里面的各种关系就变得很复杂。在这个背景下就诞生了各种框架，也就是上面图中的各种框架，当然我们在实际应用中用到的一般都是这些框架，但是Hadoop的基本核心原理知识也是必须要理解的，不然在框架出现问题的时候就不能很好的解决。

（1）非结构化的数据，比如说软件运行的日志文件等，Flume等框架都是用来收集这些非结构化数据的。

（2）结构化的数据，这些数据是存储在关系型数据库中的，当然一些不够结构化的数据是能够转化成结构化的数据的，反之亦然。也就是说他们是能够互相转换的，用到的工具就是Sqoop这个框架。具体的应用就是公司随着业务的扩大，数据量也不断的增大，原先的关系型数据库已经满足不了现在的需求，所以就要Hadoop上场，这时就得把原来的关系型数据库的数据导出到Hadoop的HDFS中去，这时候就用到了Sqoop这个框架了。

（3）HBase处理OLTP在线事务处理，反应延时很小，HBase是hadoop的在线数据库。与之对应的是分析型事务处理，它的特点是对延时性要求不高。

（4）运维监控框架，Hue、Ganglla、Eclipse等负责监控内存、CPU的使用情况。

（5）High Level Interfaces，hadoop在计算的时候是使用Java代码调用hadoop的API实现的，这里高level的地方在于它不是使用java代码，而是使用SQL调用hadoop的API。

（6）More High Level Interfaces，封装了数据挖掘算法的框架，如mahout框架。