hadoop权威指南 chapter1 Meet Hadoop
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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> ...
- 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 ...
- 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 ...
- 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 ...
- 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
- .Net跨平台中遇到的问题小结
一:创建MVC网站,需要修改Views视图文件夹下的Web.config 二:需要添加web.config中的 <system.web> <compilation debug=&qu ...
- JavaScript 入門
<html lang="en"> <head> <meta charset="UTF-8"> <meta na ...
- querySelector $() getElementBy区别
参考 http://stackoverflow.com/questions/14377590/queryselector-and-queryselectorall-vs-getelementsbycl ...
- Android Memory/Resource Leak总结
Android的内存/资源泄露,不容易发现,又会引发app甚至是system的一系列问题. 在这里我根据以往碰到的相关问题,总结出了一些检测和修改方法. *有可能造成memory leak的代码是Fr ...
- png图片压缩优化
1.2 软件环境 软件名称:Opting下载地址: http://optipng.sourceforge.net/ 安装版本:0.7.5安装位置:/apps/svr/opting 安装可能遇到的问题: ...
- 快速学习使用 Windows Azure 上的 SharePoint Server 2013
为了在当今的企业环境中占据一席之地,您需要能够迅速顺应变化和应对挑战.有时,需要及时调整您的SharePoint 基础结构以保持竞争优势. 基础结构即服务可通过随时使用.即付即用的解决方案应对这 ...
- 《Java4Android视频教程》学习笔记(三)
一:抽象类 接口 1.使用abstract修饰抽象类 抽象函数 2.一个类中有一个或者多个抽象函数,必须定义为抽象类 3.抽象类可以不含有抽象函数 4.抽象类不可以生成对象 tip:如果一个代码在语意 ...
- Codeforces 700A As Fast As Possible(二分答案)
[题目链接] http://codeforces.com/problemset/problem/700/A [题目大意] 有一辆限载k人速度为v2的车,n个步行速度均为v1的人要通过一段长度为l的距离 ...
- 【转】《分享一下我研究SQLSERVER以来收集的笔记》未整理
分享一下我研究SQLSERVER以来收集的笔记 http://www.cnblogs.com/lyhabc/archive/2013/07/27/3219117.html
- 关于oracle spfile配置文件问题
$ORACLE_SID决定spfile dbs 默认 在启动Oracle数据库时报错,如下: [oracle@localhost ~]$ sqlplus / as sysdba SQL*Plus: R ...