什么是HADOOP以及HADOOP生态圈以及各组成部分的简介

什么是HADOOP

1.        HADOOP是apache旗下的一套开源软件平台

2.        HADOOP提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理

3.        HADOOP的核心组件有

A.       HDFS（分布式文件系统）

B.       YARN（运算资源调度系统）

C.       MAPREDUCE（分布式运算编程框架）

4.        广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈

HADOOP生态圈以及各组成部分的简介

 

重点组件：

HDFS：分布式文件系统

MAPREDUCE：分布式运算程序开发框架

HIVE：基于大数据技术（文件系统+运算框架）的SQL数据仓库工具

HBASE：基于HADOOP的分布式海量数据库

ZOOKEEPER：分布式协调服务基础组件

Mahout：基于mapreduce/spark/flink等分布式运算框架的机器学习算法库

Oozie：工作流调度框架

Sqoop：数据导入导出工具

Flume：日志数据采集框架