EMC存储上的大数据 – Hadoop生态系统与体系结构

Fenglin1
4 Beryllium

EMC存储上的大数据 – Hadoop生态系统与体系结构

EMC存储上的大数据 – Hadoop生态系统与体系结构

转载请在文首保留原文出处:EMC中文支持论坛https://community.emc.com/go/chinese publish_button_16.ico

介绍

     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。

更多信息

Hadoop版本:


     Hadoop的版本由开源Apached Foundationapache.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。有关目前提供的Hadoop版本的详细列表,请访问:Distributions and Commercial Support

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:

Hadoop_2_1.png

  • 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
  • RRHIPE):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。

Hadoop_2_2.png

该计算环境中发生的常规交互包括:

  1. 必须将数据接收到HDFS层内。
  2. 使用MapReduce对数据进行计算或分析。
  3. 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。

参考

EMC存储上的大数据 – Hadoop软件概述

EMC存储上的大数据 – 利用大数据增强业务可见性

EMC存储上的大数据 – HDFS on Isilon(一)

EMC存储上的大数据 – HDFS on Isilon(二)

EMC存储上的大数据 – HDFS on Isilon(三)

EMC存储上的大数据 – HDFS存储可靠性

EMC存储上的大数据 – 基础架构与数据分析

EMC存储上的大数据 – 敏捷分析与可行性洞察

EMC存储上的大数据 – 大数据分析实施路线

EMC存储上的大数据–软件定义存储模型

EMC存储上的大数据 – 软件定义存储数据服务与HDFS

EMC存储上的大数据 – 面对大数据安全挑战

EMC存储上的大数据 – 数据推动高效安全

EMC存储上的大数据 –安全分析阶段方法

EMC存储上的大数据 – 安全部署优势


应用于

大数据

             

版本历史
修订号
1 / 1
上次更新时间:
‎11-17-2014 05:00 PM
更新依据: