Hadoop中一些重要概念簡要總結
Hadoop是一個利用大規模計算機集群，可處理大量數據的分布式並行框架。
Hadoop 官網
Hadoop的核心設計包括HDFS和MapReduce。
HDFS
HDFS(Hadoop Distributed File System)是一種分布式文件系統。
主要特點：1.高容錯性；2.高吞吐量訪問；3.線性擴展（擴充容量只是增加DataNode數量，可在不停止系統的情況下做擴展）
HDFS架構圖：
一篇優秀的介紹HDFS原理的blog：HDFS的運行原理
MapReduce
MapReduce是一種分布式計算框架，被用於並行計算海量數據。其核心步驟包括Map(任務處理)和Reduce(結果匯總)兩部分。
上圖來自知乎用戶流通回答。用於海量處理的計算機分為兩種，一種是Master，負責調度；另一種是Worker，包括Map和Reduce，Map將數據處理完畢後，將結果傳送給Reduce匯總，如上圖。
Pig
Pig是構建在MapReduce之上的一種SQL-like的高級查詢語言。
Hive
Hive是構建在Hadoop集群之上的數據倉庫應用，可以將結構化的數據文件映射為一張數據庫表，其提供了SQL-like的HQL作為數據訪問接口。
介紹Hive的一篇blog：hive介紹
Mahout
Mahout是一個分布式機器學習算法集合。包括分布式協調過濾的實現，分類和聚類等。是一種很強大的數據挖掘工具。
介紹Mahout的blog：Mahout學習
HBase
HBase是一種構建在HDFS之上的分布式、面向列的key-value存儲系統（可以稱為key-value數據庫）。用於解決Hadoop只能批量處理，並且以順序方式訪問數據的問題。HBase提供快速隨機訪問海量結構化數據。
HBase教程
Sqoop
Sqoop是一種用於Hadoop與傳統數據庫（如Mysql）之間進行數據傳遞的工具。
Flume
Flume，日誌系統，是一個高可用的，高可靠的，分布式的海量日誌采集、聚合和傳輸的系統。
Chukwa
類似於Flume，另一種Hadoop日誌系統。有篇blog比較了hadoop的一些日誌系統：開源日誌系統比較：scribe、chukwa、kafka、flume
Hadoop中一些重要概念簡要總結