Hadoop入门_Hadoop入门课程有哪些

柠檬学院大数据

　　随着大数据的发展，Hadoop的名声也越来越大了，Hadoop作为一个大数据处理的软件框架，一直以可靠，高效，可伸缩的方式处理着诸多的数据。Hadoop是可靠的，它会假设存储失败，因此维护多个数据的副本，确保失败后重新处理。Hadoop是高效的，并行的方式工作，加快了处理的速度。Hadoop也是可伸缩的，能够处理PB级别的数据。Hadoop最大的优势是成本低，任何人都可以使用。

　　Hadoop的组成

　　1，HadoopCommon：Hadoop体系最底层的一个模块，为子项目提供各种工具，

　　2，HDFS：分布式文件系统，吞吐量高，可创建，删除，移动和重命名文件等，

　　3，MapReduce：分布式海量数据处理的软件框架集计算集群。

　　4.Avro：dougcutting主持的RPC项目，主要负责数据的序列化。有点类似Google的protobuf和Facebook的thrift。avro用来做以后hadoop的RPC，使hadoop的RPC模块通信速度更快、数据结构更紧凑。

　　5、Hive：类似CloudBase，也是基于hadoop分布式计算平台上的提供datawarehouse的sql功能的一套软件。使得存储在hadoop里面的海量数据的汇总，即席查询简单化。hive提供了一套QL的查询语言，以sql为基础，使用起来很方便。

　　6、HBase：基于HadoopDistributedFileSystem，是一个开源的，基于列存储模型的可扩展的分布式数据库，支持大型表的存储结构化数据。

　　7、Pig：是一个并行计算的高级的数据流语言和执行框架，SQL-like语言，是在MapReduce上构建的一种高级查询语言，把一些运算编译进MapReduce模型的Map和Reduce中，并且用户可以定义自己的功能。

　　8、ZooKeeper：Google的Chubby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。

　　9、Chukwa：一个管理大型分布式系统的数据采集系统由yahoo贡献。

　　10、Cassandra：无单点故障的可扩展的多主数据库

　　11、Mahout：一个可扩展的机器学习和数据挖掘库