Meet Hadoop

1.1 Data!(数据)

Most of the data is locked up in the largest web properties (like search engines), or scientific or financial institutions, isn’t it?

Does the advent of “Big Data,” as it is being

called, affect smaller organizations or individuals?

作为普通民众并未在浩瀚的数据中受益。数据都在网络中存储或者被广大的研究机构存储。因此大数据的挖掘也就应用而生。

从个人角度来看,由于数据量的不断扩大。对数据的读取和筛选都会消耗大量的时间。

1.2 Data Storage and Analysis (数据存储和分析)

尽管硬盘等存储介质的读取速度不断的提高,可是相对数据量的增长速率相比,数据的检索和筛选还是会消耗大量的时间。

This is a long time to read all data on a single drive—and writing is even slower. The obvious way to reduce the time is to read from multiple disks at once. Imagine if we

had 100 drives, each holding one hundredth of the data. Working in parallel, we could read the data in under two minutes.

从单一的驱动器上读取数据就更慢了,最显而易见的方式就是降低从多个介质中一次读取。可是同一时候在太高读取速率的同一时候也降低了硬件的利用率。

并行从多个驱动器上读取数据也同一时候存在风险:

1.硬件故障造成的数据读取失败。redundant copies of the data are kept by the system so that in the event of failure, there is another copy available.数据备份

2.从不同的驱动器中整合数据也是一个非常大的挑战。

由此也就引出了MapReduce.

1.3 Comparison with Other Systems(与其它系统比較)

MapReduce is a batch query processor, and the ability to run an ad hoc query against your whole dataset and get the results in a reasonable time is transformative.

RDBMS 关系型数据库管理系统

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbWljaGFlbDEwMDAx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

Grid Computing 网格计算

网格计算分布式计算是近年提出的一种新的计算方式。所谓分布式计算就是在两个或多个软件互相共享信息,这些软件既能够在同一台计算机上执行。也能够在通过网络连接起来的多台计算机上执行。

volunteer computing 志愿计算

志愿计算是通过互联网让全球的普通大众志愿提供空暇的PC时间。參与科学计算或数据分析的一种计算方式。这样的方式为解决基础科学运算规模较大、计算资源需求较多的难题提供了一种行之有效的解决途径。

对于科学家而言,志愿计算意味着近乎免费且无限的计算资源;而就志愿者而言,他们能够得到一个了解科学、參与科学的机会。以促进公众对科学的理解。

1.4 A Brief History of Hadoop(Hadoop历史简单介绍)

Apache Lucene

1.5 Apache Hadoop and Hadoop ecosystem(关于组织和Hadoop生态系统)

Common :A set of components and interfaces for distributed filesystems and general I/O (serialization, Java RPC, persistent data structures).

Avro:A serialization system for efficient, cross-language RPC, and persistent data storage.

MapReduce:A distributed data processing model and execution environment that runs on large clusters of commodity machines.

HDFS:A distributed filesystem that runs on large clusters of commodity machines.

Pig:A data flow language and execution environment for exploring very large datasets. Pig runs on HDFS and MapReduce clusters.

Hive:A distributed data warehouse. Hive manages data stored in HDFS and provides a query language based on SQL (and which is translated by the runtime engine to

MapReduce jobs) for querying the data.

HBase:A distributed, column-oriented database. HBase uses HDFS for its underlying storage, and supports both batch-style computations using MapReduce and point

queries (random reads).

ZooKeeper:A distributed, highly available coordination service. ZooKeeper provides primitives such as distributed locks that can be used for building distributed applications.

Sqoop:A tool for efficiently moving data between relational databases and HDFS.

1.6 Hadoop Releases(Hadoop的版本号介绍)

hadoop权威指南 chapter1 Meet Hadoop的更多相关文章

  1. Hadoop权威指南:压缩

    Hadoop权威指南:压缩 [TOC] 文件压缩的两个好处: 减少储存文件所需要的磁盘空间 加速数据在网络和磁盘上的传输 压缩格式总结: 压缩格式 工具 算法 文件扩展名 是否可切分 DEFLATE ...

  2. Hadoop权威指南:数据完整性

    Hadoop权威指南:数据完整性 [TOC] 常用的错误检测码是CRC-32(循环冗余校验) HDFS的数据完整性 HDFS会对写入的所有数据计算校验和,并在读取数据时验证校验和 datanode负责 ...

  3. Hadoop权威指南(中文版,第2版)【分享】

    下载地址 Hadoop权威指南(中文版,第2版) http://download.csdn.net/download/u011000529/5726789 (友情提示:请点击右下的 “联通下载” 或者 ...

  4. Hadoop权威指南学习笔记二

    MapReduce简单介绍 声明:本文是本人基于Hadoop权威指南学习的一些个人理解和笔记,仅供学习參考,有什么不到之处还望指出,一起学习一起进步. 转载请注明:http://blog.csdn.n ...

  5. 基于python的《Hadoop权威指南》一书中气象数据下载和map reduce化数据处理及其可视化

    文档内容: 1:下载<hadoop权威指南>中的气象数据 2:对下载的气象数据归档整理并读取数据 3:对气象数据进行map reduce进行处理 关键词:<Hadoop权威指南> ...

  6. Hadoop权威指南:MapReduce应用开发

    Hadoop权威指南:MapReduce应用开发 [TOC] 一般流程 编写map函数和reduce函数 编写驱动程序运行作业 用于配置的API Hadoop中的组件是通过Hadoop自己的配置API ...

  7. Hadoop权威指南:通过FileSystem API读取数据

    Hadoop权威指南:通过FileSystem API读取数据 [TOC] 在Hadoop中,FileSystem是一个通用的文件系统API 获取FileSystem实例的几个静态方法 public ...

  8. Hadoop权威指南:从Hadoop URL读取数据

    [TOC] Hadoop权威指南:从Hadoop URL读取数据 使用java.net.URL对象从Hadoop文件系统读取文件 实现类似linux中cat命令的程序 文件名 HDFSCat.java ...

  9. Hadoop权威指南:HDFS-Hadoop存档

    Hadoop权威指南:HDFS-Hadoop存档 [TOC] 每个文件按块方式存储, 每个块的元数据存储在namenode的内存中 Hadoop存档文件或HAR文件是一个更高效的文件存档工具,它将文件 ...

随机推荐

  1. SQL Server ansi_null_default | ansi_null_dflt_on

    先说一下这两个变量是一个意思,只是它们的作用范围不同 alter database dbTest set ansi_null_default on;  -- 这个的作用域是整个SQL Server   ...

  2. Javascript 风格向导

    序   大部分针对Javascript最合理的方法归纳.   类型   • 原始类型:我们可以直接使用值. ο string ο number ο boolean ο null ο undefined ...

  3. BZOJ 1037 [ZJOI2008]生日聚会Party(单调DP)

    [题目链接] http://www.lydsy.com/JudgeOnline/problem.php?id=1037 [题目大意] 现在有n个男生,m个女生排成一行,要求不存在一个区间男女之差大于k ...

  4. 重拾CSS基础—开篇

    由来 从事软件行业一晃也5年有余,之间参与过若干个基于web的项目,所以javascript和Html基本已经相当熟悉,最近对于web前端开发比较关注,分析后发现CSS的确是自己的弱项,于是决定再加强 ...

  5. Android开发(26)--补间动画(Tween)的实现

    补间动画(Tween Animation) 补间动画与逐帧动画在本质上是不同的,逐帧动画通过连续播放图片来模拟动画的效果,而补间动画则是通过在两个关键帧之间补充渐变的动画效果来实现的.补间动画的优点是 ...

  6. [每日一题] 11gOCP 1z0-052 :2013-09-10 ABOUT ALERTS...............................................A50

    转载请注明出处:http://blog.csdn.net/guoyjoe/article/details/11546561 正确答案:AD 使用服务器生成的警报系统,从Oracle10g版本开始,Or ...

  7. SDK无法更新

    http://jingyan.baidu.com/article/da1091fbd232fe027949d653.html

  8. 解压版本 Tomcat配置--转

    http://qsfwy.iteye.com/blog/429973 一 配置JDK 1.下载jdk下载后,解压,假设为D:\Program Files\Java\jdk1.5.0_08,要确保bin ...

  9. USB数据流模型

    USB数据流模型 <<USB Specification11>> << USB Specification20>> << Linux Dev ...

  10. mysql 多重游标嵌套

    1.DECLARE CONTINUE HANDLER FOR NOT FOUND 在mysql的存储过程中经常会看到这句话:DECLARE CONTINUE HANDLER FOR NOT FOUND ...