架構(gòu)

Cascading 是一個架構(gòu)在Hadoop上的API，用來創(chuàng)建復(fù)雜和容錯數(shù)據(jù)處理工作流。它抽象了集群拓?fù)浣Y(jié)構(gòu)和配置來快速開發(fā)復(fù)雜分布式的應(yīng)用，而不用考慮背后的 MapReduce。Cascading目前依賴于Hadoop提供存儲和執(zhí)行架構(gòu)，但是Cascading API為開發(fā)者隔離了Hadoop的技術(shù)細(xì)節(jié)，提供了不需要改變初始流程工作流定義就可以在不同的計算框架內(nèi)運行的能力

Cascading目前依賴于Hadoop提供存儲和執(zhí)行架構(gòu)，但是Cascading API為開發(fā)者隔離了Hadoop的技術(shù)細(xì)節(jié)，提供了不需要改變初始流程工作流定義就可以在不同的計算框架內(nèi)運行的能力。

Cascading使用了“pipe and filters”(管道和過濾)來定義數(shù)據(jù)處理進(jìn)程。它支持分隔，合并，分組和排序操作，這是開發(fā)者唯一需要考慮的操作。Nathan Marz提供了一個范例：Goodbye MapReduce, Hello Cascading. Cascading對于使用Hadoop開發(fā)復(fù)雜應(yīng)用是一個不錯的解決方案。

發(fā)展

Hadoop是Apache開源組織的一個分布式計算開源框架，在很多大型網(wǎng)站上都已經(jīng)得到了應(yīng)用，如亞馬遜、Facebook和Yahoo等等。它主要由MapReduce的算法執(zhí)行和一個分布式的文件系統(tǒng)HDFS等兩部分組成。

HDFS：即Hadoop Distributed File System (Hadoop分布式文件系統(tǒng))

HDFS具有高容錯性，并且可以被部署在低價的硬件設(shè)備之上。HDFS很適合那些有大數(shù)據(jù)集的應(yīng)用，并且提供了對數(shù)據(jù)讀寫的高吞吐率。

延伸

MapReduce：MapReduce 是Google 的一項重要技術(shù)，它是一個編程模型，用以進(jìn)行大數(shù)據(jù)量的計算。對于大數(shù)據(jù)量的計算，通常采用的處理手法就是并行計算。至少現(xiàn)階段而言，對許多開發(fā)人員來 說，并行計算還是一個比較遙遠(yuǎn)的東西。MapReduce就是一種簡化并行計算的編程模型，它讓那些沒有多少并行計算經(jīng)驗的開發(fā)人員也可以開發(fā)并行應(yīng)用。