MongoDB之Hadoop驱动介绍

MongoDB之Hadoop驱动介绍

------------------------

1. 一些概念

Hadoop是一套Apache开源的分布式计算框架，其中包括了分布式文件系统DFS与分布式计算模型MapReduce，而MongoDB是一个面向文档的分布式数据库，它是NoSql的一种，而这里所要介绍的就是一个MongoDB的Hadoop驱动，这里就是把MongoDB作为MapReduce的输入源，充分利用MapReduce的优势来对MongoDB的数据进行处理与计算。

2. MongoDB的Hadoop驱动

目前这个版本的Hadoop驱动还是测试版本，还不能应用到实际的生产环境中去。
你可以从下面网址https://github.com/mongodb/mongo-hadoop下载到最新的驱动包，下面是它的一些依赖说明：

• 目前推荐用最新的Hadoop 0.20.203版本，或者是用Cloudera CHD3还做
• MongoDB的版本最好是用1.8+
• 还有是MongoDB的java驱动必须是2.5.3+

它的一些特点：

• 提供了一个Hadoop的Input和Output适配层，读于对数据的读入与写出
• 提供了大部分参数的可配置化，这些参数都可有XML配置文件来进行配置，你可以在配置文件中定义要查询的字段，查询条件，排序策略等

目前还不支持的功能：

• 目前还不支持多Sharding的源数据读取