大数据概述以及Hadoop

• 什么是大数据？他有哪四个基本特征（四个V）？

  • 大数据，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

  • 数据量大，TB，PB，乃至EB等数据量的数据需要分析处理。

    Volume

  • 处理速度快，市场变化快，要求能及时快速的响应变化，那对数据的分析也要快速，在性能上有更高的要求所以数据量显得对速度要求有些大。

    Velocity

  • 数据种类繁多：不同的数据源，非结构化数据越来越多，需要进行清洗，整理，筛选等操作，变为结构数据。

    Variety

  • 价值密度低，由于数据采集的不及时，数据样本不全面，数据可能不连续等等，数据可能会失真，但当数据量达到一定规模，可以通过更多的数据达到更真实全面的反馈。

    Value

• Hadoop大数据处理架构

  • Hadoop是一个开源的、可运行于大规模集群上的分布式计算平台，它实现了MapReduce计算模型和分布式文件系统HDFS等功能。
  • hadoop的特性：高可靠性、高效性、高可扩展性、高容错性、成本低、运行在Linux平台上、支持多种编程语言。
  • Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计算机集群中。
  • Hadoop的核心是分布式文件系统和MapReduce。
  • 借助于Hadoop，程序员可以轻松地编写分布式并行程序，并将其·运行于廉价计算机集群上，万成为那个海量数据的存储与计算。
  • 国内采用Hadoop的公司主要有：百度、淘宝、网易、华为、中国移动等。
  • Hadoop生态系统包括核心的HDFS和MapReduce以外还包括Zookeeper、HBase、Hive、Pig、Mahout、Sqoop、Flume、Ambari。
  • Hadoop的安装配置主要包括以下五个步骤     
    • 创建Hadoop用户（创建用户：useradd，设置密码：passwd）​
    • 安装Java（Hadoop开发和运行都需要Java的支持，Ubuntu系统可能已经预装了java）​
    • 设置SSH登录权限
    • 单机安装配置
    • 伪分布式安装配置