hadoop分布式系統(tǒng)基礎架構

hadoop是什么?hadoop能有哪些應用？hadoop和大數據是什么關系？下面我們將圍繞這幾個問題詳細闡述。

hadoop是什么?

Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構。

用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進行高速運算和存儲。

Hadoop實現了一個分布式文件系統(tǒng)（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，并且設計用來部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）來訪問應用程序的數據，適合那些有著超大數據集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）文件系統(tǒng)中的數據。

Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數據提供了存儲，則MapReduce為海量的數據提供了計算。

項目起源

Hadoop由 Apache Software Foundation 公司于 2005 年秋天作為Lucene的子項目Nutch的一部分正式引入。它受到最先由 Google Lab 開發(fā)的 Map/Reduce 和 Google File System(GFS) 的啟發(fā)。

2006 年 3 月份，Map/Reduce 和 Nutch Distributed File System (NDFS) 分別被納入稱為 Hadoop 的項目中。

Hadoop 是最受歡迎的在 Internet 上對搜索關鍵字進行內容分類的工具，但它也可以解決許多要求極大伸縮性的問題。例如，如果您要 grep 一個 10TB 的巨型文件，會出現什么情況？在傳統(tǒng)的系統(tǒng)上，這將需要很長的時間。但是 Hadoop 在設計時就考慮到這些問題，采用并行執(zhí)行機制，因此能大大提高效率。

發(fā)展歷程

Hadoop原本來自于谷歌一款名為MapReduce的編程模型包。谷歌的MapReduce框架可以把一個應用程序分解為許多并行計算指令，跨大量的計算節(jié)點運行非常巨大的數據集。使用該框架的一個典型例子就是在網絡數據上運行的搜索算法。Hadoop 最初只與網頁索引有關，迅速發(fā)展成為分析大數據的領先平臺。

目前有很多公司開始提供基于Hadoop的商業(yè)軟件、支持、服務以及培訓。Cloudera是一家美國的企業(yè)軟件公司，該公司在2008年開始提供基于Hadoop的軟件和服務。GoGrid是一家云計算基礎設施公司，在2012年，該公司與Cloudera合作加速了企業(yè)采納基于Hadoop應用的步伐。Dataguise公司是一家數據安全公司，同樣在2012年該公司推出了一款針對Hadoop的數據保護和風險評估。

Hadoop應用案例—全球著名企業(yè)應用案例

美國國會圖書館是全球最大的圖書館，自1800年設立至今，收藏了超過1.5億個實體對象，包括書籍、影音、老地圖、膠卷等，數字數據量也達到了235TB，但美國eBay拍賣網站，8千萬名用戶每天產生的數據量就有50TB，5天就相當于1座美國國會圖書館的容量。

在國外，不只eBay這種跨國電子商務業(yè)者感受到巨量數據的沖擊，其他如美國連鎖超市龍頭Wal-Mart、發(fā)行信用卡的Visa公司等，在臺灣如臺灣集成電路（臺積電）、中華電信等手上擁有大量顧客資料的企業(yè)，都紛紛感受到這股如海嘯般來襲的Big Data巨量資料浪潮。這樣的巨量數據并非是沒有價值的數據，其中潛藏了許多使用者親身經驗的第一手原始數據，不少企業(yè)更是從中嗅到了商機。

這些企業(yè)紛紛向最早面臨大數據挑戰(zhàn)的搜索引擎業(yè)者Google、Yahoo取經，學習處理巨量數據的技術和經驗，其中，最受這些企業(yè)青睞，用來解決巨量數據難題的技術就是Apache基金會的分布式計算技術Hadoop項目。

Hadoop應用案例1-全球最大超市業(yè)者 Wal-Mart

Wal-Mart分析顧客商品搜索行為，找出超越競爭對手的商機

全球最大連鎖超市Wal-Mart利用Hadoop來分析顧客搜尋商品的行為，以及用戶透過搜索引擎尋找到Wal-Mart網站的關鍵詞，利用這些關鍵詞的分析結果發(fā)掘顧客需求，以規(guī)畫下一季商品的促銷策略，甚至打算分析顧客在Facebook、Twitter等社交網站上對商品的討論，期望能比競爭對手提前一步發(fā)現顧客需求。

Wal-Mart雖然十年前就投入在線電子商務，但在線銷售的營收遠遠落后于Amazon。后來，Wal-Mart決定采用Hadoop來分析顧客搜尋商品的行為，以及用戶透過搜索引擎尋找到Wal-Mart網站的關鍵詞，利用這些關鍵詞的分析結果發(fā)掘顧客需求，以規(guī)畫下一季商品的促銷策略。他們并進一步打算要分析顧客在Facebook、Twitter等社交網站上對商品的討論，甚至Wal-Mart能比父親更快知道女兒懷孕的消息，并且主動寄送相關商品的促銷郵件，可說是比競爭對手提前一步發(fā)現顧客。

Hadoop應用案例2-全球最大拍賣網站 eBay

eBay用Hadoop拆解非結構性巨量數據，降低數據倉儲負載

經營拍賣業(yè)務的eBay則是用Hadoop來分析買賣雙方在網站上的行為。eBay擁有全世界最大的數據倉儲系統(tǒng)，每天增加的數據量有50TB，光是儲存就是一大挑戰(zhàn)，更遑論要分析這些數據，而且更困難的挑戰(zhàn)是這些數據報括了結構化的數據和非結構化的數據，如照片、影片、電子郵件、用戶的網站瀏覽Log記錄等。

eBay是全球最大的拍賣網站，8千萬名用戶每天產生的數據量就達到50TB，相當于五天就增加了1座美國國會圖書館的數據量。這些數據報括了結構化的數據，和非結構化的數據如照片、影片、電子郵件、用戶的網站瀏覽Log記錄等。eBay正是用Hadoop來解決同時要分析大量結構化數據和非結構化的難題。

eBay分析平臺高級總監(jiān)Oliver Ratzesberger也坦言，大數據分析最大的挑戰(zhàn)就是要同時處理結構化以及非結構化的數據。

eBay在5年多前就另外建置了一個軟硬件整合的平臺Singularity，搭配壓縮技術來解決結構化數據和半結構化數據分析問題，3年前更在這個平臺整合了Hadoop來處理非結構化數據，透過Hadoop來進行數據預先處理，將大塊結構的非結構化數據拆解成小型數據，再放入數據倉儲系統(tǒng)的數據模型中分析，來加快分析速度，也減輕對數據倉儲系統(tǒng)的分析負載。

Hadoop應用案例3-全球最大信用卡公司 Visa

Visa快速發(fā)現可疑交易，1個月分析時間縮短成13分鐘

Visa公司則是擁有一個全球最大的付費網絡系統(tǒng)VisaNet，作為信用卡付款驗證之用。2009年時，每天就要處理1.3億次授權交易和140萬臺ATM的聯(lián)機存取。為了降低信用卡各種詐騙、盜領事件的損失，Visa公司得分析每一筆事務數據，來找出可疑的交易。雖然每筆交易的數據記錄只有短短200位，但每天VisaNet要處理全球上億筆交易，2年累積的資料多達36TB，過去光是要分析5億個用戶賬號之間的關聯(lián)，得等1個月才能得到結果，所以，Visa也在2009年時導入了Hadoop，建置了2套Hadoop叢集（每套不到50個節(jié)點），讓分析時間從1個月縮短到13分鐘，更快速地找出了可疑交易，也能更快對銀行提出預警，甚至能及時阻止詐騙交易。

這套被眾多企業(yè)賴以解決大數據難題的分布式計算技術，并不是一項全新的技術，早在2006年就出現了，而且Hadoop的核心技術原理，更是源自Google打造搜索引擎的關鍵技術，后來由Yahoo支持的開源開發(fā)團隊發(fā)展成一套Hadoop分布式計算平臺，也成為Yahoo內部打造搜索引擎的關鍵技術。