大数据技术生态体系

HDFS架构概述

HDFSHadoop Distributed File System)的架构

大数据技术生态体系

 大数据技术生态体系

2.5.3 MapReduce架构概述

MapReduce将计算过程分为两个阶段:MapReduce,如图2-25所示

1Map阶段并行处理输入数据

2Reduce阶段对Map结果进行汇总

大数据技术生态体系

 大数据技术生态体系

图中涉及的技术名词解释如下:

1SqoopSqoop是一款开源的工具,主要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的传递,可以将一个关系型数据库(例如 :MySQL,Oracle 等)中的数据导进到HadoopHDFS中,也可以将HDFS的数据导进到关系型数据库中。

2FlumeFlumeCloudera提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。

3KafkaKafka是一种高吞吐量的分布式发布订阅消息系统,有如下特性:

1)通过O(1)的磁盘数据结构提供消息的持久化,这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。

2)高吞吐量:即使是非常普通的硬件Kafka也可以支持每秒数百万的消息

3)支持通过Kafka服务器和消费机集群来分区消息。

4)支持Hadoop并行数据加载。

4StormStorm用于连续计算,对数据流做连续查询,在计算时就将结果以流的形式输出给用户。

5SparkSpark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。

6OozieOozie是一个管理Hdoop作业(job)的工作流程调度管理系统。

7HbaseHBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。

8HiveHive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的SQL查询功能,可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。

10R语言:R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。

11Mahout:Apache Mahout是个可扩展的机器学习和数据挖掘库。

12ZooKeeperZookeeperGoogleChubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务,将简单易用的接口和性能高效、功能稳定的系统提供给用户。

大数据技术生态体系

相关推荐