大數據hadoop入門之hadoop家族詳解

大數據這個詞也許幾年前你聽著還會覺得陌生，但我相信你現在聽到hadoop這個詞的時候你應該都會覺得“熟悉”！越來越發現身邊從事hadoop開發或者是正在學習hadoop的人變多了。作為一個hadoop入門級的新手，你會覺得哪些地方很難呢？運行環境的搭建恐怕就已經足夠讓新手頭疼。如果每一個發行版hadoop都可以做到像大快DKHadoop那樣把各種環境搭建集成到一起，一次安裝搞定所有，那對於新手來說將是件多麽美妙的事情！
閑話扯得稍微多了點，回歸整體。這篇準備給大家hadoop新入門的朋友分享一些hadoop的基礎知識——hadoop家族產品。通過對hadoop家族產品的認識，進一步幫助大家學習好hadoop！同時，也歡迎大家提出寶貴意見！
一、Hadoop定義
Hadoop是一個大家族，是一個開源的生態系統，是一個分布式運行系統，是基於Java編程語言的架構。不過它最高明的技術還是HDFS和MapReduce，使得它可以分布式處理海量數據。

二、Hadoop產品

HDFS（分布式文件系統）：
它與現存的文件系統不同的特性有很多，比如高度容錯（即使中途出錯，也能繼續運行），支持多媒體數據和流媒體數據訪問，高效率訪問大型數據集合，數據保持嚴謹一致，部署成本降低，部署效率提高等，如圖是HDFS的基礎架構。

MapReduce/Spark/Storm（並行計算架構）：
1、數據處理方式來說分離線計算和在線計算：
角色 描述
MapReduce MapReduce常用於離線的復雜的大數據計算
Storm Storm用於在線的實時的大數據計算，Storm的實時主要是一條一條數據處理；
Spark 可以用於離線的也可用於在線的實時的大數據計算，Spark的實時主要是處理一個個時間區域的數據，所以說Spark比較靈活。

2、數據存儲位置來說分磁盤計算和內存計算：
角色 描述
MapReduce 數據存在磁盤中
Spark和Strom 數據存在內存中

Pig/Hive（Hadoop編程）：
角色 描述
Pig 是一種高級編程語言，在處理半結構化數據上擁有非常高的性能，可以幫助我們縮短開發周期。
Hive 是數據分析查詢工具，尤其在使用類SQL查詢分析時顯示出極高的性能。可以在分分鐘完成ETL要一晚上才能完成的事情，這就是優勢，占了先機！

HBase/Sqoop/Flume（數據導入與導出）:
角色 描述
HBase 是運行在HDFS架構上的列存儲數據庫，並且已經與Pig/Hive很好地集成。通過Java API可以近無縫地使用HBase。
Sqoop 設計的目的是方便從傳統數據庫導入數據到Hadoop數據集合(HDFS/Hive)。
Flume 設計的目的是便捷地從日誌文件系統直接把數據導入到Hadoop數據集合(HDFS)中。
以上這些數據轉移工具都極大地方便了使用的人，提高了工作效率，把精力專註在業務分析上。

ZooKeeper/Oozie（系統管理架構）：
角色 描述
ZooKeeper 是一個系統管理協調架構，用於管理分布式架構的基本配置。它提供了很多接口，使得配置管理任務簡單化。
Oozie Oozie服務是用於管理工作流。用於調度不同工作流，使得每個工作都有始有終。這些架構幫助我們輕量化地管理大數據分布式計算架構。

Ambari/Whirr（系統部署管理）：
角色 描述
Ambari 幫助相關人員快捷地部署搭建整個大數據分析架構，並且實時監控系統的運行狀況。
Whirr Whirr的主要作用是幫助快速地進行雲計算開發。

Mahout（機器學習）：
Mahout旨在幫助我們快速地完成高智商的系統。其中已經實現了部分機器學習的邏輯。這個架構可以讓我們快速地集成更多機器學習的智能。

大數據hadoop入門之hadoop家族詳解