作業要求來自：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3161
1.Hadoop的介紹
Hadoop最早起源于Nutch。Nutch的設計目标是建構一個大型的全網搜尋引擎，包括網頁抓取、索引、查詢等功能，但随着抓取網頁數量的增加，遇到了嚴重的可擴充性問題——如何解決數十億網頁的存儲和索引問題。
2003年、2004年谷歌發表的兩篇論文為該問題提供了可行的解決方案。
——分布式檔案系統（GFS），可用于處理海量網頁的存儲
——分布式計算架構MAPREDUCE，可用于處理海量網頁的索引計算問題。
Nutch的開發人員完成了相應的開源實作HDFS和MAPREDUCE，并從Nutch中剝離成為獨立項目HADOOP，到2008年1月，HADOOP成為Apache頂級項目(同年，cloudera公司成立)，迎來了它的快速發展期。
狹義上來說，hadoop就是單獨指代hadoop這個軟體，
廣義上來說，hadoop指代大資料的一個生态圈，包括很多其他的軟體
2.Hadoop是什麼？
Hadoop： 适合大資料的分布式存儲和計算平台
Hadoop不是指具體一個架構或者元件，它是Apache軟體基金會下用Java語言開發的一個開源分布式計算平台。實作在大量計算機組成的叢集中對海量資料進行分布式計算。适合大資料的分布式存儲和計算平台。
Hadoop1.x中包括兩個核心元件：MapReduce和Hadoop Distributed File System(HDFS)
其中HDFS負責将海量資料進行分布式存儲，而MapReduce負責提供對資料的計算結果的彙總
3.Hadoop的起源
2003-2004年，Google公布了部分GFS和MapReduce思想的細節，受此啟發的Doug Cutting等人用2年的業餘時間實作了DFS和MapReduce機制，使Nutch性能飙升。然後Yahoo招安Doug Gutting及其項目。
2005年，Hadoop作為Lucene的子項目Nutch的一部分正式引入Apache基金會。
2006年2月被分離出來，成為一套完整獨立的軟體，起名為Hadoop
Hadoop名字不是一個縮寫，而是一個生造出來的詞。是Hadoop之父Doug Cutting兒子毛絨玩具象命名的。
Hadoop的成長過程
Lucene–>Nutch—>Hadoop
總結起來，Hadoop起源于Google的三大論文
GFS：Google的分布式檔案系統Google File System
MapReduce：Google的MapReduce開源分布式并行計算架構
BigTable：一個大型的分布式資料庫
演變關系
GFS—->HDFS
Google MapReduce—->Hadoop MapReduce
BigTable—->HBase
4.Hadoop的發展曆史
Hadoop大事記
2004年— 最初的版本(現在稱為HDFS和MapReduce)由Doug Cutting和Mike Cafarella開始實施。
2005年12月— Nutch移植到新的架構，Hadoop在20個節點上穩定運作。
2006年1月— Doug Cutting加入雅虎。
2006年2月— Apache Hadoop項目正式啟動以支援MapReduce和HDFS的獨立發展。
2006年2月— 雅虎的網格計算團隊采用Hadoop。
2006年4月— 标準排序(10 GB每個節點)在188個節點上運作47.9個小時。
2006年5月— 雅虎建立了一個300個節點的Hadoop研究叢集。
2006年5月— 标準排序在500個節點上運作42個小時(硬體配置比4月的更好)。
2006年11月— 研究叢集增加到600個節點。
2006年12月— 标準排序在20個節點上運作1.8個小時，100個節點3.3小時，500個節點5.2小時，900個節點7.8個小時。
2007年1月— 研究叢集到達900個節點。
2007年4月— 研究叢集達到兩個1000個節點的叢集。
2008年4月— 赢得世界最快1TB資料排序在900個節點上用時209秒。
2008年7月— 雅虎測試節點增加到4000個
2008年9月— Hive成為Hadoop的子項目
2008年11月— Google宣布其MapReduce用68秒對1TB的程式進行排序
2008年10月— 研究叢集每天裝載10TB的資料。
2008年— 淘寶開始投入研究基于Hadoop的系統–雲梯。雲梯總容量約9.3PB，共有1100台機器，每天處理18000道作業，掃描500TB資料。
2009年3月— 17個叢集總共24 000台機器。
2009年3月— Cloudera推出CDH（Cloudera’s Dsitribution Including Apache Hadoop）
2009年4月— 赢得每分鐘排序，雅虎59秒内排序500 GB(在1400個節點上)和173分鐘内排序100 TB資料(在3400個節點上)。
2009年5月— Yahoo的團隊使用Hadoop對1 TB的資料進行排序隻花了62秒時間。
2009年7月— Hadoop Core項目更名為Hadoop Common;
2009年7月— MapReduce 和 Hadoop Distributed File System (HDFS) 成為Hadoop項目的獨立子項目。
2009年7月— Avro 和 Chukwa 成為Hadoop新的子項目。
2009年9月— 亞聯BI團隊開始跟蹤研究Hadoop
2009年12月—亞聯提出橘雲戰略，開始研究Hadoop
2010年5月— Avro脫離Hadoop項目，成為Apache頂級項目。
2010年5月— HBase脫離Hadoop項目，成為Apache頂級項目。
2010年5月— IBM提供了基于Hadoop 的大資料分析軟體——InfoSphere BigInsights，包括基礎版和企業版。
2010年9月— Hive( Facebook) 脫離Hadoop，成為Apache頂級項目。
2010年9月— Pig脫離Hadoop，成為Apache頂級項目。
2011年1月— ZooKeeper 脫離Hadoop，成為Apache頂級項目。
2011年3月— Apache Hadoop獲得Media Guardian Innovation Awards 。
2011年3月— Platform Computing 宣布在它的Symphony軟體中支援Hadoop MapReduce API。
2011年5月— Mapr Technologies公司推出分布式檔案系統和MapReduce引擎——MapR Distribution for Apache Hadoop。
2011年5月— HCatalog 1.0釋出。該項目由Hortonworks 在2010年3月份提出，HCatalog主要用于解決資料存儲、中繼資料的問題，主要解決HDFS的瓶頸，它提供了一個地方來存儲資料的狀态資訊，這使得 資料清理和歸檔工具可以很容易的進行處理。
2011年4月— SGI( Silicon Graphics International )基于SGI Rackable和CloudRack伺服器産品線提供Hadoop優化的解決方案。
2011年5月— EMC為客戶推出一種新的基于開源Hadoop解決方案的資料中心裝置——GreenPlum HD，以助其滿足客戶日益增長的資料分析需求并加快利用開源資料分析軟體。Greenplum是EMC在2010年7月收購的一家開源資料倉庫公司。
2011年5月— 在收購了Engenio之後， NetApp推出與Hadoop應用結合的産品E5400存儲系統。
2011年6月— Calxeda公司(之前公司的名字是Smooth-Stone)發起了“開拓者行動”，一個由10家軟體公司組成的團隊将為基于Calxeda即将推出的ARM系統上晶片設計的伺服器提供支援。并為Hadoop提供低功耗伺服器技術。
2011年6月— 資料內建供應商Informatica釋出了其旗艦産品，産品設計初衷是處理當今事務和社會媒體所産生的海量資料，同時支援Hadoop。
2011年7月— Yahoo!和矽谷風險投資公司 Benchmark Capital建立了Hortonworks 公司，旨在讓Hadoop更加魯棒(可靠)，并讓企業使用者更容易安裝、管理和使用Hadoop。
2011年8月— Cloudera公布了一項有益于合作夥伴生态系統的計劃——建立一個生态系統，以便硬體供應商、軟體供應商以及系統內建商可以一起探索如何使用Hadoop更好的洞察資料。
2011年8月— Dell與Cloudera聯合推出Hadoop解決方案——Cloudera Enterprise。Cloudera Enterprise基于Dell PowerEdge C2100機架伺服器以及Dell PowerConnect 6248以太網交換機
5.Hadoop的四大特性（優點）
1.擴容能力（Scalable）：Hadoop是在可用的計算機叢集間配置設定資料并完成計算任務的，這些叢集可用友善的擴充到數以千計個節點中。
2.成本低（Economical）：Hadoop通過普通廉價的機器組成伺服器叢集來分發以及處理資料，以至于成本很低。
3.高效率（Efficient）：通過并發資料，Hadoop可以在節點之間動态并行的移動資料，使得速度非常快。
4.可靠性（Rellable）：能自動維護資料的多份複制，并且在任務失敗後能自動地重新部署（redeploy）計算任務。是以Hadoop的按位存儲和處理資料的能力值得人們信賴。
6.hadoop的曆史版本介紹
0.x系列版本：hadoop當中最早的一個開源版本，在此基礎上演變而來的1.x以及2.x的版本
1.x版本系列：hadoop版本當中的第二代開源版本，主要修複0.x版本的一些bug等
2.x版本系列：架構産生重大變化，引入了yarn平台等許多新特性
7.hadoop三大公司發型版本介紹
1.免費開源版本apache：
http://hadoop.apache.org/
優點：擁有全世界的開源貢獻者，代碼更新疊代版本比較快，
缺點：版本的更新，版本的維護，版本的相容性，版本的更新檔都可能考慮不太周到，學習可以用，實際生産工作環境盡量不要使用
apache所有軟體的下載下傳位址（包括各種曆史版本）：
http://archive.apache.org/dist/
2.免費開源版本hortonWorks：
https://hortonworks.com/
hortonworks主要是雅虎主導Hadoop開發的副總裁，帶領二十幾個核心成員成立Hortonworks，核心産品軟體HDP（ambari），HDF免費開源，并且提供一整套的web管理界面，供我們可以通過web界面管理我們的叢集狀态，web管理界面軟體HDF網址（http://ambari.apache.org/）
3.軟體收費版本ClouderaManager:
https://www.cloudera.com/
cloudera主要是美國一家大資料公司在apache開源hadoop的版本上，通過自己公司内部的各種更新檔，實作版本之間的穩定運作，大資料生态圈的各個版本的軟體都提供了對應的版本，解決了版本的更新困難，版本相容性等各種問題，生産環境強烈推薦使用
二、Hadoop的安裝與配置
1.安裝MySql
2.windows 與 虛拟機互傳檔案
3.安裝Hadoop
還不能從windows複制檔案的，可在虛拟機裡用浏覽器下載下傳安裝檔案，課件：
提取檔案：hadoop-2.7.1.tar.gz
連結: https://pan.baidu.com/s/1HIVd9JCZstWm0k7sAbXQCg
提取碼: 2thj
首先檢視java是否安裝
java -version
安裝JAVA環境并進行環境變量配置，成功之後使用指令java -version檢視
下載下傳hadoop進行安裝解壓,修改core-site.xml和hdfs-site.xml檔案，檢視hadoop
進行namenode格式化，出現status 0 和 successfully formatted則表示成功
然後執行指令start-dfs.sh
輸入指令jps檢視namenode和datanode的程序