大數(shù)據(jù)知識(shí)培訓(xùn)：Hadoop的生態(tài)系統(tǒng)分別是什么?(上)

　　隨著Hadoop的不斷發(fā)展，Hadoop生態(tài)系統(tǒng)越來越完善，現(xiàn)如今已經(jīng)發(fā)展成一個(gè)龐大的生態(tài)體系，如圖1-3所示。

　　從圖1-3中可以看出，Hadoop生態(tài)系統(tǒng)包含了很多子系統(tǒng)，下面介紹一些常見的子系統(tǒng)，具體如下。

　　圖1-3 Hadoop生態(tài)圈

　　1.分布式存儲(chǔ)系統(tǒng)(HDFS)

　　HDFS是Hadoop分布式文件系統(tǒng)的簡稱，它是Hadoop生態(tài)系統(tǒng)中的核心項(xiàng)目之一，是分布式計(jì)算中數(shù)據(jù)存儲(chǔ)管理基礎(chǔ)。HDFS具有高容錯(cuò)性的數(shù)據(jù)備份機(jī)制，它能檢測(cè)和應(yīng)對(duì)硬件故障，并在低成本的通用硬件上運(yùn)行。另外，HDFS具備流式的數(shù)據(jù)訪問特點(diǎn)，提供高吞吐量應(yīng)用程序數(shù)據(jù)訪問功能，適合帶有大型數(shù)據(jù)集的應(yīng)用程序。

　　2.MapReduce分布式計(jì)算框架

　　MapReduce是一種計(jì)算模型，用于大規(guī)模數(shù)據(jù)集(大于1TB)的并行運(yùn)算。“Map”對(duì)數(shù)據(jù)集上的獨(dú)立元素進(jìn)行指定的操作，生成鍵值對(duì)形式中間結(jié)果;“Reduce”則對(duì)中間結(jié)果中相同“鍵”的所有“值”進(jìn)行規(guī)約，以得到最終結(jié)果。MapReduce這種“分而治之”的思想，極大地方便了編程人員在不會(huì)分布式并行編程的情況下，將自己的程序運(yùn)行在分布式系統(tǒng)上。

　　3.YARN資源管理平臺(tái)

　　YARN資源管理平臺(tái)(Yet Another Resource Negotiator)是Hadoop2.0中的資源管理器，它可為上層應(yīng)用提供統(tǒng)一的資源管理和調(diào)度，它的引入為集群在利用率、資源統(tǒng)一管理和數(shù)據(jù)共享等方面帶來了巨大好處。

　　4.Sqoop數(shù)據(jù)遷移工具

　　Sqoop是一款開源的數(shù)據(jù)導(dǎo)入導(dǎo)出工具，主要用于在Hadoop與傳統(tǒng)的數(shù)據(jù)庫間進(jìn)行數(shù)據(jù)的轉(zhuǎn)換，它可以將一個(gè)關(guān)系數(shù)據(jù)庫(例如，MySQL、Oracle等)中的數(shù)據(jù)導(dǎo)入到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導(dǎo)出到關(guān)系數(shù)據(jù)庫中，使數(shù)據(jù)遷移變得非常方便。

　　5.Mahout數(shù)據(jù)挖掘算法庫

　　Mahout數(shù)據(jù)挖掘算法庫是Apache旗下的一個(gè)開源項(xiàng)目，它提供了一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序。Mahout包含許多實(shí)現(xiàn)，包括聚類、分類、推薦過濾、頻繁子項(xiàng)挖掘。此外，通過使用Apache Hadoop庫，Mahout可以有效地?cái)U(kuò)展到云中。