什么是＆＃34; Hadoop＆＃34; - Hadoop的定义？

Question

这很明显，我们都同意我们可以将HDFS + YARN + MapReduce称为 Hadoop 。但是 Hadoop 生态系统中不同的其他组合和其他产品会发生什么？

例如，HDFS + YARN + Spark仍然是 Hadoop 吗？是HBASE Hadoop？我想我们会考虑HDFS + YARN + Pig Hadoop ，因为 Pig 使用 MapReduce。

只有 MapReduce 工具被视为 Hadoop ，但在HDFS + YARN上运行的任何其他内容（如 Spark ）都是非Hadoop ？

Answer 1

我同意您的印象，“Hadoop”一词没有有用的定义。 “我们有一个Hadoop集群”可能意味着各种各样的事情。

http://hadoop.apache.org/#What+Is+Apache+Hadoop%3F有正式答案：

  

Apache™Hadoop®项目开发了开源软件   可靠，可扩展的分布式计算。

     

Apache Hadoop软件库是一个允许的框架   跨计算机集群分布式处理大型数据集   使用简单的编程模型。

所以“Hadoop”是项目和软件库的名称。任何其他用法都是不明确的。

Answer 2

除了来自Official website的Apache hadoop定义之外，我想强调 Hadoop是一个框架，Hadoop ecosystem中有很多子系统

从官方网站引用此内容，以便将来断开的链接不会对此答案造成任何问题。

该项目包括以下模块：

Hadoop Common：支持其他Hadoop模块的常用实用程序。

Hadoop分布式文件系统（HDFS™）：一种分布式文件系统，可提供对应用程序数据的高吞吐量访问。

Hadoop YARN：用于作业调度和集群资源管理的框架。

Hadoop MapReduce：一个基于YARN的系统，用于并行处理大型数据集。

或多或少，

Hadoop =分布式存储（HDFS）+分布式处理（YARN + Map Reduce）

但这四个模块并未涵盖完整的Hadoop生态系统。 Hadoop生态系统中有许多Hadoop相关项目和40多个子系统。

Apache的其他Hadoop相关项目包括：

Ambari™：一个基于Web的工具，用于配置，管理和监控Apache Hadoop集群，包括对Hadoop HDFS，Hadoop MapReduce，Hive，HCatalog，HBase，ZooKeeper，Oozie，Pig和Sqoop。

Avro™：数据序列化系统。

Cassandra™：可扩展的多主数据库，没有单点故障。

Chukwa™：用于管理大型分布式系统的数据收集系统。

HBase™：可扩展的分布式数据库，支持大型表的结构化数据存储。

Hive™：提供数据汇总和临时查询的数据仓库基础架构。

Mahout™：可扩展的机器学习和数据挖掘库。

Pig™：用于并行计算的高级数据流语言和执行框架。

Spark™：用于Hadoop数据的快速通用计算引擎。 Spark提供了一个简单而富有表现力的编程模型，支持广泛的应用程序，包括ETL，机器学习，流处理和图形计算。

Tez™：一个基于Hadoop YARN的通用数据流编程框架，它提供了一个强大而灵活的引擎，可以执行任意DAG任务来处理批量和交互式使用的数据 - 案例。 Tez正被Hadoop生态系统中的Hive™，Pig™和其他框架以及其他商业软件（例如ETL工具）采用，以取代Hadoop™MapReduce作为底层执行引擎。

ZooKeeper™：分布式应用程序的高性能协调服务。

回到你的问题：

在Hadoop生态系统中查看40多个子系统。你引用的每件事都可能不是Hadoop，但大多数都与Hadoop有关。

Spark 是Hadoop生态系统的一部分。但它既不能使用 HDFS 也不能 YARN 。 HDFS数据集可以替换为 RDD （弹性分布式数据集），并且可以在独立模式下运行，无需 YARN 。

请查看此article和此article以了解Hadoop＆amp;星火比较。

针对Hadoop的Spark用例：

1. 机器学习中的迭代算法
2. 交互式数据挖掘和数据处理
3. 流处理
4. 传感器数据处理

由于Spark没有存储系统，因此它必须依赖于HDFS就是其中之一的分布式存储之一。

看看相关的SE问题：

Can apache spark run without hadoop?

Answer 3

对Hadoop最普遍接受的理解：HDFS和Map / Reduce及其相关流程和工具。

相关术语：Hadoop生态系统：Hive / Pig / Hbase，Zookeeper，Oozie。也是供应商特定的，如impala，ambari。

Answer 4

为什么我们需要大数据系统？

1. 存储（存储大量数据）
2. 处理（及时处理数据/请求）
3. SCALE （随着数据增长而轻松扩展）

谷歌提供了一个大数据解决方案。

• Google文件系统：解决分布式存储问题。
• Map Reduce：解决分布式计算问题。
谷歌发表了研究论文。 Apache开发的开源系统类似于Google开发的，它被称为 HADOOP 。
• 类似于hadoop中的Google文件系统 HDFS （Hadoop分布式文件系统）：用于管理数据存储的文件系统。
• MAP Reduce ：跨多个服务器处理数据的框架。

注意：2013年，Apache发布了HADOOP 2.0 （MapReduce分为两个部分：

1. MapReduce：定义数据处理任务的框架。
2. YARN：运行数据处理任务的框架。 ）

HADOOP ECOSYSTEM

Hadoop并不容易理解，而且仅限于核心开发人员。所以使hadoop的使用更容易。大量工具如雨后春笋般出现，整体称为Hadoop生态系统。

Hadoop Ecosystem包含以下工具：

1. 的 HIVE ：
   • 为hadoop提供了一个SQL接口。
   • 为那些在JAVA中没有接触过OOP的人们提供支持。
2. 的 HBASE ：
   • 在hadoop之上的数据库管理系统。
   • 就像传统数据库一样与我们的应用程序集成。

3. PIG ：

   • DATA操作语言。
   • 将非结构化数据转换为结构化格式。
   • 使用Hive等接口查询此结构化数据。

4. SPARK ：

   • 与Hadoop一起使用的分布式计算引擎。
   • 用于快速处理数据集的Interactive shell。
   • 有一堆用于机器学习流处理，图形处理等的内置库。

5. OOZIE ：

   • 工具，用于安排所有hadoop生态系统技术的工作流程。

6. FLUME / SQOOP ：

   • 在其他系统和hadoop之间传输数据的工具。

总结了Hadoop的高级概述。

Answer 5

Hadoop不是像LAMP或MEAN堆栈那样的堆栈。 Hadoop是一组框架和工具，可以共同解决复杂的大数据问题。

它基本上是Apache基金会的一个项目。诸如Mapreduce，Ambari，Sqoop，Spark，Zookeeper等各种子项目，都被称为Hadoop生态系统。

来源：https://www.datacloudschool.com/2020/01/introduction-what-is-hadoop.html