文章的標(biāo)題看上去很幼齒很科普，但實(shí)際上那些天天觀賞大數(shù)據(jù)演講的管理層技術(shù)小白來(lái)說(shuō)，他們永遠(yuǎn)不會(huì)公開(kāi)問(wèn)出這個(gè)問(wèn)題。

[[73804]]

大數(shù)據(jù)是個(gè)鋪天蓋地的詞，而談?wù)摯髷?shù)據(jù)又不可避免地要提到Hadoop，遺憾的是今天大多數(shù)大數(shù)據(jù)鼓吹者，甚至專業(yè)人士其實(shí)并不能說(shuō)清楚Hadoop到底是什么玩意，以及有何功用，而他們的管理層小白聽(tīng)眾更是一頭霧水。

眾所周知，Hadoop是Apache軟件基金會(huì)管理的開(kāi)源軟件平臺(tái)，但Hadoop到底是什么呢？簡(jiǎn)單來(lái)說(shuō)，Hadoop是在分布式服務(wù)器集群上存儲(chǔ)海量數(shù)據(jù)并運(yùn)行分布式分析應(yīng)用的一種方法。

Hadoop被設(shè)計(jì)成一種非常“魯棒”的系統(tǒng)，即使某臺(tái)服務(wù)器甚至集群宕機(jī)了，運(yùn)行其上的大數(shù)據(jù)分析應(yīng)用也不會(huì)中斷。此外Hadoop的效率也很高，因?yàn)樗⒉恍枰阍诰W(wǎng)絡(luò)間來(lái)回?fù)v騰數(shù)據(jù)。

以下是Apache的正式定義：

Apache Hadoop軟件庫(kù)是一個(gè)框架，允許在集群服務(wù)器上使用簡(jiǎn)單的編程模型對(duì)大數(shù)據(jù)集進(jìn)行分布式處理。Hadoop被設(shè)計(jì)成能夠從單臺(tái)服務(wù)器擴(kuò)展到數(shù)以千計(jì)的服務(wù)器，每臺(tái)服務(wù)器都有本地的計(jì)算和存儲(chǔ)資源。Hadoop的高可用性并不依賴硬件，其代碼庫(kù)自身就能在應(yīng)用層偵測(cè)并處理硬件故障，因此能基于服務(wù)器集群提供高可用性的服務(wù)。

如果更深入地分析，我們發(fā)現(xiàn)Hadoop還有更加精彩的特性。首先，Hadoop幾乎完全是模塊化的，這意味著你們能用其他軟件工具抽換掉Hadoop的模塊。這使得Hadoop的架構(gòu)異常靈活，同時(shí)又不犧牲其可靠性和高效率。

Hadoop分布式文件系統(tǒng)（HDFS）

如果提起Hadoop你的大腦一片空白，那么請(qǐng)牢記住這一點(diǎn)：Hadoop有兩個(gè)主要部分：一個(gè)數(shù)據(jù)處理框架和一個(gè)分布式數(shù)據(jù)存儲(chǔ)文件系統(tǒng)（HDFS）。

HDFS就像Hadoop系統(tǒng)的籃子，你把數(shù)據(jù)整整齊齊碼放在里面等待數(shù)據(jù)分析大廚出手變成性感的大餐端到CEO的桌面上。當(dāng)然，你可以在Hadoop進(jìn)行數(shù)據(jù)分析，也可以見(jiàn)gHadoop中的數(shù)據(jù)“抽取轉(zhuǎn)換加載”到其他的工具中進(jìn)行分析。

數(shù)據(jù)處理框架和MapReduce

顧名思義，數(shù)據(jù)處理框架是處理數(shù)據(jù)的工具。具體來(lái)說(shuō)Hadoop的數(shù)據(jù)處理框架是基于Jave的系統(tǒng)——MapReduce，你聽(tīng)到MapReduce的次數(shù)會(huì)比HDFS還要多，這是因?yàn)椋?/p>

1.MapReduce是真正完成數(shù)據(jù)處理任務(wù)的工具

2.MapReduce往往會(huì)把它的用戶逼瘋

在常規(guī)意義上的關(guān)系型數(shù)據(jù)庫(kù)中，數(shù)據(jù)通過(guò)SQL（結(jié)構(gòu)化查詢語(yǔ)言）被找到并分析，非關(guān)系型數(shù)據(jù)庫(kù)也使用查詢語(yǔ)句，只是不局限于SQL而已，于是有了一個(gè)新名詞NoSQL。

有一點(diǎn)容易搞混的是，Hadoop并不是一個(gè)真正意義上的數(shù)據(jù)庫(kù)：它能存儲(chǔ)和抽取數(shù)據(jù)，但并沒(méi)有查詢語(yǔ)言介入。Hadoop更多是一個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，所以需要MapReduce這樣的系統(tǒng)來(lái)進(jìn)行真正的數(shù)據(jù)處理。

MapRduce運(yùn)行一系列任務(wù)，其中每項(xiàng)任務(wù)都是單獨(dú)的Java應(yīng)用，能夠訪問(wèn)數(shù)據(jù)并抽取有用信息。使用MapReduce而不是查詢語(yǔ)言讓Hadoop數(shù)據(jù)分析的功能更加強(qiáng)大和靈活，但同時(shí)也導(dǎo)致技術(shù)復(fù)雜性大幅增加。

目前有很多工具能夠讓Hadoop更容易使用，例如Hive，可以將查詢語(yǔ)句轉(zhuǎn)換成MapReduce任務(wù)。但是MapReduce的復(fù)雜性和局限性（單任務(wù)批處理）使得Hadoop在更多情況下都被作為數(shù)據(jù)倉(cāng)庫(kù)使用而非數(shù)據(jù)分析工具。

Hadoop的另外一個(gè)獨(dú)特之處是：所有的功能都是分布式的，而不是傳統(tǒng)數(shù)據(jù)庫(kù)的集中式系統(tǒng)。