您的位置: 开心技术乐园 > 大数据 > 阅读文章

Hadoop 与大数据的关系,看完秒懂!

  首先理解什么叫大数据。“大”,说的并不仅是数据的“多”!不能用数据到了多少TB ,多少 PB 来说。对于大数据,可以用四个词来表示:大量,多样,实时,不确定。也就是数据的量庞大,数据的种类繁杂多样话,数据的变化飞快,数据的真假存疑。

Hadoop 与大数据

大量:这个大家都知道,想百度,淘宝,腾讯,Facebook,Twitter等网站上的一些信息,这肯定算是大数据了,都要存储下来。

多样:数据的多样性,是说数据可能是结构型的数据,也可能是非结构行的文本,图片,视频,语音,日志,邮件等。

实时:大数据需要快速的,实时的进行处理。如果说对时间要求低,那弄几个机器,对小数据进行处理,等个十天半月的出来结果,这样也没有什么意义了。

不确定: 数据是存在真伪的,各种各样的数据,有的有用,有的没用。很难辨析。

根据以上的特点,我们需要一个东西,来:
1、存储大量数据。
2、快速的处理大量数据。
3、从大量数据中进行分析。

于是就有了这样一个模型 Hadoop。Hadoop 的历史就不说了,先来看看模型:

Hadoop 与大数据

这就相当于一个生态系统,或者可以看成一个操作系统 XPWindows 7

HDFS 和 MapReduce 为操作系统的核心,Hive,Pig,Mathout,Zookeeper,Flume,Sqoop,HBase等,都是操作系统上的一些软件,或应用。

HDFS 是什么

HDFS:(Hadoop Distributed File System),Hadoop分布式文件系统。从名字上就看出了它的两点功能。基本功能:存文件,是一个文件系统;另外这个文件系统是分布式的。

Hadoop 与大数据

从图上来看,HDFS的简单原理如下:

Rack1,Rack2,Rack3 是三个机架。

1,2,3,4,5,6,7,8,9,10,11,12 是机架上的十二台服务器。

Block A, Block B, Block C为三个信息块,也就是要存的数据。

从整体布局上来看,信息块被分配到机架上,看似很均匀。这样分配的目的,就是备份,防止某一个机器宕机后,单点故障的发生。

MapReduce 是什么

MapReduce,(Map + Reduce),就看成是计算的功能,可以对数据进行处理。

它加快了计算。主要也是通过上图的布局。将数据分布到多个服务器上。当有任务了,比如查询,或者比较大小,先让每台服务器,都处理自己的存储中文件。然后再将所有服务器的处理结果进行第二次处理。最后将结果返回。

另外,从别的资料看到一种解释 MapReduce 的方式,很简单:

Goal: count the number of books in the library.
Map: You count up shelf #1, I count up shelf #2.
(The more people we get, the faster this part goes. )
Reduce: We all get together and add up our individual counts.

最后,Hadoop 还有一点好处,就是省钱。框架开源的,免费的,服务器也不用特别牛X的,省钱才是硬道理!

    • 本文标签:
    • 人气热度:473
    • 生产日期:2019年3月25日 - 14时58分46秒

    error: Content is protected !!