大数据系列（8）Hadoop生态简介

生态圈

HBase简介

• 高可靠，高性能，面向列，可伸缩，实时读写的分布式数据库
• 利用HDFS作为其文件存储系统，支持MR程序读取数据
• 存储非结构化和半结构化数据

RowKey：数据唯一标识，按字典排序
Column Family：列族，多个列的集合，最多不要超过3个
**TimeStamp时间戳：**支持多版本数据同时存在

Spark

• 基于内存的大数据并行计算框架
• Spark是MapReduce的替代方案，兼容HDFS，HIVE等数据源
• 抽象出分布式内存存储数据结构，弹性分布式数据集RDD
• 基于事件驱动，通过线程池复用线程提高性能