学习接下来的内容需要了解，集群和分布式的概念
集群和分布式的理解参考：https://blog.csdn.net/jiangyu1013/article/details/80417961
接下来学习Hadoop,都是大数据知识尝试
Hadoop由 Apache Software Foundation 公司于 2005 年秋天作为Lucene的子项目Nutch的一部分正式引入。它受到最先由 Google Lab 开发的 Map/Reduce 和 Google File System(GFS) 的启发。
Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。
Hadoop的子项目：（前面7个非常重要）
① Core : 一套分布式文件系统以及支持Map-Reduce的计算框架。
② HDFS : Hapdoop分布式文件系统。
③ Map/Reduce : 是一个使用简易的软件框架，基于他写出来的应用程序能够运行在由上千个商用机器组成的大型集群上，并以一种可靠容错的方式并行处理上T级别的数据集。
④ ZoopKeeper : 是高可用的和可靠性的分布式系统系统。
⑤ Pig : 建立于Hadoop Core之上为并行计算环境提供了一套数据工作流语言和执行框架。
⑥ Hive ： 是为提供简单的数据操作二设计的下一代分布式数据仓库。他提供了简单的类型SQL的语法的HiveQL语言进行数据查询。
⑦ HBase : 建立在Hadoop Core之上提供一个可扩展的数据库系统。
⑧ Avro : 定义了一种用于支持大数据应用的数据格式，并为这种格式提供了不同的编译环境。
⑨ Flume : 一个分布式、可靠、和高可用的海量日志聚合的系统，支持在系统中定制各类的数据发送方，用于收集数据。
⑩ Mahout ： 是一套具有可扩充能力的机器学习类库。
⑪ Sqoop : 是Apache下用于RDBMS和HDFS互相导数据的工具。
HDFS介绍
HDFS为了做到可靠性创建了多分数据块的复制，并将他们放置在服务器群的计算节点中，MapReduce就可以在他们所在的节点上处理这些数据。
读写
这里就涉及到：Name Node和Data Nodes
HDFS运行机制
一个名字节点和多个数据节点，
数据复制（冗余机制）–存放的位置（机架感知策略）。
故障检测–① 数据节点。心跳包（检测是否宕(dang四声)机）、块报告（安全模式下检测）、数据完整性检测（校验和比较）
–②名字节点（日志文件，镜像文件）
空间回收机制。
HDFS优点：
① 高容错性，数据自动保存多个副本，副丢失后，自动恢复。
② 适合批处理，移动计算而非数据，数据位置暴露给计算机框架。
③ 适合大数据处理，GB、TB、甚至PB级的数据。
④ 可构建在廉价的机器上，通过多副本提高可靠性，提供了容错和恢复机制。
HDFS缺点：
① 低延迟数据访问，比如毫秒级，低延迟与高吞吐量。
② 小文件存取，占用NameNode大量内存，寻到时间超过时间读取时间。
③ 并发写入、文件随机修改，一个文件只能有一个写者，仅支持append。