微信号:dellemc_tech

介绍:为戴尔易安信客户提供技术支持服务,为广大IT行业用户分享技术文章与行业信息。

EMC存储上的大数据 – Hadoop生态系统与体系结构

2017-06-18 12:47 EMC中国技术社区

     企业一直在处理快速增长的数据量(也称为大数据)的存储和管理问题。原有的存储经扩展后缀让能勉强跟上计算容量增长的步伐,但是用来分析该大数据以得出宝贵见解的工具却落入后了。Hadoop是一款经专门设计的创新性开源大数据分析引擎,旨在最大程度地缩短从企业的数据集到处宝贵见解的时间。

    

     本文为系列的第二篇,介绍Hadoop软件生态系统与体系结构。

 

Hadoop版本:


     Hadoop的版本由开源Apached Foundation在apache.org中维护。其他所有版本都是扩展Apache Hadoop或根据其构建的派生版本。下面是目前提供的常见Hadoop版本列表:

  • Apache Hadoop

  • Cloudera CDH3

  • Greenplum HD

  • Horonworks数据平台

    

     以上列表并未详尽列出目前提供的所有Hadoop版本,而只是简单列出了流行的选择。


 

Hadoop生态系统:


     以下是客户为使用Hadoop分析数据而运行的软件堆栈。生态系统组件是Hadoop堆栈之上的附加组件,面向分析工作流提供附加功能和优势。该领域中一些流行的选择包括:

 

 

  • Hive:一个类似于SQL的查询接口,适用于HDFS中存储的数据。

  • HBase:一个面向随机读/写列的高性能结构化存储系统,位于HDFS之上。

  • Pig:高级数据流语言和执行框架,适合于并行计算

  • Manhout:使用Hadoop的可扩展的计算机学习算法

  • R(RHIPE):细分并重组大型复杂数据集的统计分析

    

     以上并未详尽力促所有的Hadoop生态系统组件。

 


Hadoop体系结构:


     下面是一个体系结构图,其中显示了在一个Hadoop计算集群上运行的所有核心Hadoop组件。

 

 

该计算环境中发生的常规交互包括:

  • 必须将数据接收到HDFS层内。

  • 使用MapReduce对数据进行计算或分析。

  • 在HDFS或其他基础架构中存储或导出结果,以适应整个Hadoop工作流。


     上述体系结构还表明NameNode是该环境中的独立组件,如果它有任何问题,则整个Hadoop环境都将变得不可用。




其它参考文章:

【存储入门必读】存储基础知识



更多精彩内容,请点击阅读原文”进行查看!

如何每天都能收到如此精彩的文章?

①点击右上角点击查看官方账号”→点击关注

②长按并识别下图中的二维码,直接访问EMC中文支持论坛


 
戴尔易安信技术支持 更多文章 浅谈RAID写惩罚(Write Penalty)与IOPS计算 ​ 存储基础(一) 存储基础(二) 为什么客户会选择部署 VMAX 全闪存? Raid-7小七的故事
猜您喜欢 [RN实战-嘎嘎商城]之仿快递时间轴布局实现(订单状态) DoIT 2015中国存储峰会有感 及 SDS&VSAN 资料下载 这7个关键点,是每个产品用户体验设计的重中之重 透析文件空洞 就从这鄙视链说起好了