【读书笔记】大数据原理与应用:大数据处理架构Hadoop

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 【读书笔记】大数据原理与应用:大数据处理架构Hadoop

简 介:这本书的名字为大数据技术原理与应用,该书的作者为厦门大学著名的研究大数据方向的林子雨老师。顾名思义,概述讲述了大数据的相关知识,包含一些分布式系统以及各种流计算等大数据技术。本书讲述的非常棒,通俗易懂。下面是我在读这本书的时候的记录并加上自己的理解。本文意在记录自己近期学习过程中的所学所得,如有错误,欢迎大家指正。

 

关键词:Hadoop、MapReduce、大数据生态

一、Hadoop简介

Hadoop是Apache旗下的一个开源分布式计算平台,为广大用户提供了分布式基础架构。Hadoop的两大核心就是HDFS和MapReduce。HDFS就是分布式文件系统,它是将谷歌的GFS进行了开源实现,它支持大规模数据的分布式存储。而MapReduce是用来进行整个HDFS上的数据,使集群中的每个机器进行并行操作,保证处理数据的高效性。

二、Hadoop的特点

Hadoop本身是一种分布式计算框架,具有可靠、高效等特性。

  1. 高效性:Hadoop是分布式计算平台,它有效地利用了分布式存储和分布式并行处理两大核心技术,大大提高了数据处理的效率
  2. 可扩展性:因为Hadoop是建立在大的集群之上,所以它可以扩展很多个节点
  3. 可靠性:因为是集群形式,尽管存在一台机器宕机,但是集群中的其它机器仍然可以进行服务
  4. 高容错性:Hadoop的HDFS采用的是副本机制,同样的数据存储在多个机器中,有多个副本,一旦某台机器的数据丢失,其它的机器仍然可以提供丢失的数据
  5. 成本低:集群方式使得我们可以使用很多廉价的机器进行运转任务

三、Hadoop的生态系统

现在已经有很多成熟的框架支持并建立在Hadoop的系统之上,比如Hive、HBase、Spark等大数据组件。

上图可以观察到HDFS是很多大数据框架依赖的基础,因为我们的数据全部都是要存储到分布式文件系统中,然后利用现有的大数据组件进行分析处理、存储等操作。

1.HDFS:

HDFS的全名为Hadoop Distributed File System,它显著的有点就是可以运行在很多廉价的服务器上,而且由于集群的原因,它保证了用户数据的可靠性。而且它的吞吐率很高,这也就是为什么它适合大数据的原因。

2.HBase:

HBase是大数据生态系统中的一个数据库,但是它不同于mysql这些,它是NoSQL,底层是以列进行存储,可以很好的存储非结构化数据,采用rowKey进行区分每条数据。HBase其实就是谷歌曾经的一篇论文BigTable的开源实现。

3.MapReduce

MapReduce简单来说它不是一种技术,它是一种编程思想,就是可以理解为将我们很多的数据进行切分,一系列的任务进行切分,统一的抽象成两个阶段,分别为Map阶段和Reduce阶段,Map阶段就是将我们的数据进行切分,然后Reduce阶段,将我们的中间结果进行聚合处理。最直白来说,MapReduce的核心思想就是分而治之,它会将一个大的任务分成多个小任务放到集群中多个服务器上去运行,最终整合所有服务器的结果。

4.Hive

Hive是一个基于Hadoop的数据仓库,可以理解为就是存储数据的仓库,这么说好像和数据库差不都,都属用来存数据的,虽说都可以存储数据,但是数据仓库往往是用来存历史数据或者是大型数据,以便于日后进行分析计算等。Hive提供了类SQL的语言进行编程(HQL),大大降低了学习难度,而且书写HQL可以将它转化为MR任务进行执行。

5.Zookeeper

Zookeeper是一种高可靠的协同工作系统,方便我们进行集群管理,以及分布式应用的配置管理等。

6.Flume

Flume是一个可以采集海量日志的工具,它可以实时的检测数据的产生将其采集到我们的数仓,然后进行分析,它的优点是我们可以自定向进行数据的转移。

,它可以实时的检测数据的产生将其采集到我们的数仓,然后进行分析,它的优点是我们可以自定向进行数据的转移。


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
5天前
|
分布式计算 资源调度 Hadoop
Hadoop入门基础(五):Hadoop 常用 Shell 命令一网打尽,提升你的大数据技能!
Hadoop入门基础(五):Hadoop 常用 Shell 命令一网打尽,提升你的大数据技能!
|
6天前
|
存储 SQL 分布式计算
Hadoop生态系统概述:构建大数据处理与分析的基石
【8月更文挑战第25天】Hadoop生态系统为大数据处理和分析提供了强大的基础设施和工具集。通过不断扩展和优化其组件和功能,Hadoop将继续在大数据时代发挥重要作用。
|
8天前
|
资源调度 分布式计算 Hadoop
揭秘Hadoop Yarn背后的秘密!它是如何化身‘资源大师’,让大数据处理秒变高效大戏的?
【8月更文挑战第24天】在大数据领域,Hadoop Yarn(另一种资源协调者)作为Hadoop生态的核心组件,扮演着关键角色。Yarn通过其ResourceManager、NodeManager、ApplicationMaster及Container等组件,实现了集群资源的有效管理和作业调度。当MapReduce任务提交时,Yarn不仅高效分配所需资源,还能确保任务按序执行。无论是处理Map阶段还是Reduce阶段的数据,Yarn都能优化资源配置,保障任务流畅运行。此外,Yarn还在Spark等框架中展现出灵活性,支持不同模式下的作业执行。未来,Yarn将持续助力大数据技术的发展与创新。
20 2
|
9天前
|
分布式计算 大数据 数据处理
Apache Spark的应用与优势:解锁大数据处理的无限潜能
【8月更文挑战第23天】Apache Spark以其卓越的性能、易用性、通用性、弹性与可扩展性以及丰富的生态系统,在大数据处理领域展现出了强大的竞争力和广泛的应用前景。随着大数据技术的不断发展和普及,Spark必将成为企业实现数字化转型和业务创新的重要工具。未来,我们有理由相信,Spark将继续引领大数据处理技术的发展潮流,为企业创造更大的价值。
|
9天前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
3天前
|
SQL 分布式计算 数据可视化
基于Hadoop的大数据可视化方法
【8月更文第28天】在大数据时代,有效地处理和分析海量数据对于企业来说至关重要。Hadoop作为一个强大的分布式数据处理框架,能够处理PB级别的数据量。然而,仅仅完成数据处理还不够,还需要将这些数据转化为易于理解的信息,这就是数据可视化的重要性所在。本文将详细介绍如何使用Hadoop处理后的数据进行有效的可视化分析,并会涉及一些流行的可视化工具如Tableau、Qlik等。
21 0
|
4天前
|
存储 关系型数据库 大数据
PolarDB 大数据处理能力及其应用场景
【8月更文第27天】随着数据量的爆炸性增长,传统的数据库系统面临着存储和处理大规模数据集的挑战。阿里云的 PolarDB 是一种兼容 MySQL、PostgreSQL 和高度可扩展的关系型数据库服务,它通过其独特的架构设计,能够有效地支持海量数据的存储和查询需求。
20 0
|
5天前
|
机器学习/深度学习 监控 大数据
Serverless 应用的监控与调试问题之Flink在整个开源大数据生态中应该如何定位,差异化该如何保持
Serverless 应用的监控与调试问题之Flink在整个开源大数据生态中应该如何定位,差异化该如何保持
|
8天前
|
资源调度 分布式计算 监控
【揭秘Hadoop YARN背后的奥秘!】从零开始,带你深入了解YARN资源管理框架的核心架构与实战应用!
【8月更文挑战第24天】Hadoop YARN(Yet Another Resource Negotiator)是Hadoop生态系统中的资源管理器,为Hadoop集群上的应用提供统一的资源管理和调度框架。YARN通过ResourceManager、NodeManager和ApplicationMaster三大核心组件实现高效集群资源利用及多框架支持。本文剖析YARN架构及组件工作原理,并通过示例代码展示如何运行简单的MapReduce任务,帮助读者深入了解YARN机制及其在大数据处理中的应用价值。
19 0
|
11天前
|
分布式计算 Hadoop 大数据
大数据处理框架在零售业的应用:Apache Hadoop与Apache Spark
【8月更文挑战第20天】Apache Hadoop和Apache Spark为处理海量零售户数据提供了强大的支持
28 0
下一篇
云函数