Hadoop学习笔记(概述)

Stella981
• 阅读 585

Apache hadoop是什么?

可靠的,可扩展的分布式计算软件。

(1)可使用简单的编程模型来分布式计算集群中的大量数据集。

(2)可从一台服务器扩展到数千台服务器的计算和存储

(3)在应用层面发现并处理错误

Hadoop项目的几大模块

(1)Hadoop Common:  支持其他hadoop模块的通用工具

(2)Hadoop Distributed File System(HDFS): 分布式文件系统,为应用数据的访问提供了高吞吐量

(3)Hadoop YARN: 一个作业调度和集群资源管理的框架

(4)Hadoop MapReduce: 基于YARN的大型数据并发处理系统

其他Hadoop相关项目

(1)Ambari: 一个基于WEB的用于配置、管理、监控Apache Hadoop集群的工具。目前支持的集群包括,HDFS, MapReduce, Hive, HCatalog, HBase, Zookeeper, Oozie, Pig和Sqoop。

(2)Avro: 数据序列化系统

(3)Cassandra: 可扩展的多主节点数据库,没有单点故障

(4)Chukwa: 用于管理大型分布式系统的数据采集系统

(5)HBase: 可扩展的,支持大型表结构化数据存储的分布式数据库

(6)Hive: 数据仓库的基础设施,提供数据汇总和特殊查询

(7)Mahout: 可扩展的机器学习和数据挖掘库

(8)Pig: 一个高层次的数据流语言和并行计算框架

(9)Spark: 一个快速和通用的用于计算hadoop数据的计算引擎,它提供了简单而富有表现力的编程模型,支持多种应用,包括ETL, 机器学习,数据流处理和图形计算。

(10)Tez: 一个广泛的数据流编程模型,建立在Hadoop YARN之上,它提供了强大和灵活的引擎可执行任意的有向无环任务,支持批处理以及交互式的使用情况数据处理。

(11)Zookeeper: 一个分布式应用程序的高性能的协调服务

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Easter79 Easter79
3年前
Twitter的分布式自增ID算法snowflake (Java版)
概述分布式系统中,有一些需要使用全局唯一ID的场景,这种时候为了防止ID冲突可以使用36位的UUID,但是UUID有一些缺点,首先他相对比较长,另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID,并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求,最初Twitter把存储系统从MySQL迁移
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这