大数据特点

4V：volume  variety   velocity   value

海量性（volume）：大数据的数据量很大，每天我们的行为都会产生大批量数据

多样性（variety）：大数据的类型多种多样，比如视频、音频和图片都属于数据

高速性（velocity）：大数据要求处理速度快，比如淘宝双十一需要实时显示交易数据

价值性（value）：大数据产生的价值密度低，意思是说大部分数据没有参考意义，少部分数据会形成高价值

 

Hadoop简介与意义

Apache开源软件基金会开发了运行在大规模普通服务器上，用于大数据存储、计算、分析的分布式存储系统和分布式计算框架–Hadoop。其两大核心如下：

  • HDFS（Hadoop Distributed File System，分布式文件系统）：是Hadoop中的核心组件之一，除了可以保存海量数据，还具有高可靠性、高扩展性和高吞吐率的特点。
  • MapReduce：属于分布式计算框架，一般用于对海量数据的计算，它的特点是易于编程、高容错和高扩展性等优点。另外，MapReduce可以独立于HDFS使用。

　　总结来说，hadoop中的核心HDFS为海量数据提供了存储，而MapReduce则为海量数据提供了计算服务。

 

大数据计算模式

大数据计算模式：

  •   批处理计算：又称为离线计算，针对大规模历史数据的批量处理，如MapReduce
  •   流计算：针对流数据的实时计算，可以实时处理产生的数据。
  •   图计算：针对大规模图结构数据的处理，常用于社交网络
  •   查询分析计算：针对大规模数据的存储管理和查询分析，如Hive

 

大数据技术框架

大数据技术框架主要包含6个部分，分别是：

数据收集、数据存储、资源管理、计算框架、数据分析、数据展示

 

每部分包括的具体技术：

  • 数据源（如企业数据、互联网、物联网等）
  • 数据收集（提取、转换、加载）—数据收集
  • 数据存储（关系型和非关系型数据）—数据存储
  • 资源管理 —资源管理
  • 流处理、交互式分析、资源管理   —计算框架
  • 数据挖掘（OLAP，数据仓库和商务智能）—数据分析
  • 数据可视化  —-数据展示
  • 用户

 

核心组件

  1. Hadoop的分布式协调服务–ZooKeeper
  2. 分布式离线计算框架–MapReduce
  3. Hadoop的集群资源管理系统–YARN
  4. Hadoop的数据仓库框架–Hive
  5. 大数据快速读写–HBase
  6. 海量日志采集工具–Flume
  7. Hadoop和关系型数据库间的数据传输工具–Sqoop
  8. 分布式消息队列–Kafka
  9. 开源内存数据库–Redis
  10. 快速且通用的集群计算系统–Spark

版权声明：本文为sunbr原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/sunbr/p/11562584.html