Hadoop day01
课程安排
第一天 hadoop的基本概念 伪分布式hadoop集群安装 hdfs mapreduce演示
第二天 hdfs的原理和使用操作、编程
第三天 mapreduce的原理和编程
第四天 常见mr算法实现和shuffle的机制
第四天 hadoop2.x中HA机制的原理和全分布式集群安装部署及维护
第六天 hbase hive
第七天 storm+kafka
第八天 实战项目
hadoop是什么?
What is Apache Hadoop?
The Apache Hadoop project develops open-source software for reliable,scalable ,distrivated computing.
- 解决问题:
- 海量数据的存储(HDFS)
- 海量数据的分析(MapReduce)
- 资源管理调度(YARN)
- 作者:Doug Cutting
- 受Google三遍论文的启发(GFS、MapReduce、BigTable)
hadoop具体能干什么?
hadoop擅长日志分析,facebook就用Hive来进行日志分析,2009年时facebook就有费编程人员的30%的人使用HiveQL进行数据分析;淘宝搜索中的自定义筛选也使用的Hive;利用Pig还可以做高级的数据处理,包括Tiwtter、linkedln上用于发现您可能认识的人,可以实现类似Amazon.comde 协同过滤的推荐效果。淘宝的商品推荐也是!在Yahoo!的40%的Hadoop作业是用pig运行的,包括垃圾邮件的识别和过滤,还有用户特征建模。(2012年8月25新更新,天猫的推荐系统是hive,少量尝试mahout)