什么是Apache Hadoop？
Apache™Hadoop®项目开发了用于可靠，可扩展的分布式计算的开源软件。
Apache Hadoop软件库是一个框架，允许使用简单的编程模型跨计算机集群分布式处理大型数据集。它旨在从单个服务器扩展到数千台计算机，每台计算机都提供本地计算和存储。库本身不是依靠硬件来提供高可用性，而是设计用于检测和处理应用程序层的故障，从而在计算机集群之上提供高可用性服务，每个计算机都可能容易出现故障。
该项目包括以下模块：
- Hadoop Common：支持其他Hadoop模块的常用实用程序。
- Hadoop分布式文件系统（HDFS™）：一种分布式文件系统，可提供对应用程序数据的高吞吐量访问。
- Hadoop YARN：作业调度和集群资源管理的框架。
- Hadoop MapReduce：基于YARN的系统，用于并行处理大型数据集。
Apache的其他Hadoop相关项目包括：
- Ambari™：基于Web的工具，用于配置，管理和监控Apache Hadoop集群，包括对Hadoop HDFS，Hadoop MapReduce，Hive，HCatalog，HBase，ZooKeeper，Oozie，Pig和Sqoop的支持。Ambari还提供了一个用于查看群集运行状况的仪表板，例如热图，以及可视化查看MapReduce，Pig和Hive应用程序的功能，以及以用户友好的方式诊断其性能特征的功能。
- Avro™：数据序列化系统。
- Cassandra™：可扩展的多主数据库，没有单点故障。
- Chukwa™：用于管理大型分布式系统的数据收集系统。
- HBase™：可扩展的分布式数据库，支持大型表的结构化数据存储。
- Hive™：一种数据仓库基础架构，提供数据汇总和即席查询。
- Mahout™：可扩展的机器学习和数据挖掘库。
- Pig™：用于并行计算的高级数据流语言和执行框架。
- Spark™：用于Hadoop数据的快速通用计算引擎。Spark提供了一种简单而富有表现力的编程模型，支持广泛的应用程序，包括ETL，机器学习，流处理和图形计算。
- Tez™：基于Hadoop YARN构建的通用数据流编程框架，它提供了一个功能强大且灵活的引擎，可以执行任意DAG任务来处理批量和交互式用例的数据。Tez正在被Hadoop生态系统中的Hive™，Pig™和其他框架以及其他商业软件（例如ETL工具）采用，以取代Hadoop™MapReduce作为底层执行引擎。
- ZooKeeper™：用于分布式应用程序的高性能协调服务。