2
条回答
写回答
写回答
-
专注在大数据分布式计算、数据库及存储领域，拥有13+年大数据引擎、数据仓库、宽表引擎、平台研发经验，6年云智能大数据产品技术一号位经验，10年技术团队管理经验；云智能技术架构/云布道师； 研发阿里历代的大数据技术产品包括ODPS、DLA、ADB，最近五年主导宽表引擎研发、DLA、ADB湖仓研发；哲学的回答：因为hadoop设计就是为了解决大数据分析问题，如果不能解决就没有hadoop 实际的原因：hadoop核心分为3个层次：存储hdfs、计算mr&tez、调度yarn 不过最近随着社区及云的发展，慢慢演变为：存储HDFS换成了S3或者OSS，调度Yarn换成了k8s，再计算引擎百花齐放，比如spark、比如各家云产商提供的数据湖分析服务，bigquery，阿里云数据湖分析dla等。
2020-03-22 11:53:58赞同 展开评论 打赏 -
目前从事大数据开发，兼顾平台搭建以及实时数据分析，主要是用scala编写程序，涉及社区开源hadoop集群，emr集群，欢迎有相同兴趣的小伙伴来交流，共同进步。最近在参与flink-java实时开发。可以参考google的大数据三篇论文。简单来说hadoop包含hdfs跟mapreduce。 为什么hadoop能处理大数据呢， 第一，hdfs是分布式存储系统，解决了传统的存储系统的存储量的问题，将大量数据分布式存储在集群上，就是对简单储存系统很好的扩展，同时提供高可用服务。 第二，mapreduce是一个分布式计算引擎，简单比喻就是我一件事分几个人去做，而且是同时去做，每个人使用自己的资源，最终结果汇总，这样是不是比一个人处理快得多呢。
2019-11-06 17:17:04赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
