Hadoop源自始于2002年的Apache Nutch项目，是一个分布式系统基础架构，其所有的功能都是分布式的。简单来说，就是一种让你在分布式服务器集群（可靠性）上存储海量数据（可伸缩性）并运行分布式分析应用（高效）的一种方法。
什么是分布式？分布式其实是相对于传统数据库的集中式管理而言的，集中式管理是一个主机带多个终端。终端没有数据处理能力，运算全部在主机上进行，这样不仅数据处理的效率慢，而且当主机出现问题时就整个集群都不能工作了。所以，相应地，分布式管理的概念诞生了。
分布式，把问题分开解决，即系统分布在几个不同服务器上，这样的设计不仅可以让处理效率大大增加，而且当分布式服务器集群其中一台服务器宕机时，其他服务器不受影响。
Hadoop有两个核心问题：存储和计算，对应到Hadoop里面就是两个核心组件，HDFS用来存储，MapRedece则用来计算；当然，Hadoop不止这两个组件，结构图如下所示：
从架构图可以看出，Hadoop有一个很棒的地方，就是它几乎完全是模块化的，这意味着我们能用其他软件工具抽换掉Hadoop的模块。模块化使得Hadoop的架构异常灵活，同时又不牺牲其可靠性和高效率。
这些组件都大有用处，以后将每章节分开详讲，在这里先粗略的介绍一下：
HDFS： 分布式文件系统（负责存储 Hadoop 集群中所有存储节点上的文件）
YARN： 资源管理和调度器
MapReduce： 分布式并行编程模型（基于Java，是完成数据处理任务的工具）
HBase： Hadoop上的非关系型的分布式数据库（就是一个分布式数据库）
Hive： Hadoop上的数据仓库（可以将输入的查询语句转换成MapReduce任务）
Pig ：一个基于Hadoop的大规模数据分析平台，提供类似SQL的查询语言Pig Latin
Flume： 一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统
Sqoop： 用于在Hadoop与传统数据库之间进行数据传递
Zookeeper： 提供分布式协调一致性服务
Ambari Hadoop：快速部署工具，支持Apache Hadoop集群的供应、管理和监控