Hadoop的产生背景

Hadoop的产生

HADOOP最早起源于Nutch。
Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，
但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

2003年谷歌发表了三篇论文：

GFS——Google FileSystem 描述数据存储的思想，解决了海量数据如何存储的问题。

MapReduce——描述分布式运算系统，解决了海量数据如何计算的问题。

bigtable——快速查询的google的分布式数据库，解决了海量数据如何快速查询的问题。

Doug Cutting将Google 的三篇文章用Java重新实现。

GFS——HDFS（Hadoop DistributedFile System）Hadoop的分布式文件存储系统，用于解决海量数据存储的问题。

MapReduce——MapReduce，解决海量数据分布式计算问题。

bigtable——Hbase，解决海量数据的快速查询问题。

Hadoop是什么/h3>

ApacheHadoop项目是一个提供高可靠，可扩展（横向）的分布式计算的开源软件平台。

Apache Hadoop软件库是一个框架，允许使用简单的编程模型跨计算机集群分布式处理大型数据集。它旨在从单个服务器扩展到数千台计算机，每台计算机都提供本地计算和存储。Hadoop本身不是依靠硬件来提供高可用性，而是设计用于检测和处理应用程序层的故障，从而在计算机集群之上提供高可用性服务，每个计算机都可能容易出现故障。

Hadoop提供的功能：利用服务器集群，根据用户自定义业逻辑对海量数进行分布式处理。

Hadoop的核心组件：

1）Hadoop Common：支持其他Hadoop模块的常用工具。包括Hadoop常用的工具类，由原来的Hadoopcore部分更名而来。主要包括系统配置工具Configuration、远程过程调用RPC、序列化机制和Hadoop抽象文件系统FileSystem等。它们为，在通用硬件上搭建云计算环境提供基本的服务，并为运行在该平台上的软件开发提供了所需的API。

2)Hadoop分布式文件系统（HDFS）：一种分布式文件系统，可提供对应用程序数据的高吞吐量访问。

3)Hadoop YARN：作业调度和集群资源管理的框架。

4) Hadoop MapReduce：基于YARN的大型数据集并行处理系统。是一种计算模型，用以进行大数据量的计算。Hadoop的MapReduce实现，和Common、HDFS一起，构成了Hadoop发展初期的三个组件。MapReduce将应用划分为Map和Reduce两个步骤，其中Map对数据集上的独立元素进行指定的操作，生成键-值对形式中间结果。Reduce则对中间结果中相同“键”的所有“值”进行统计，以得到最终结果。MapReduce这样的功能划分，非常适合在大量计算机组成的分布式并行环境里进行数据处理。

Hadoop的核心组件

来源：普通网友