1.Hadoop产生背景
l HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
l 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
分布式文件系统(GFS),可用于处理海量网页的存储
分布式计算框架MAPREDUCE,可用于处理海量网页的索引计算问题。
l Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目HADOOP,到2008年1月,HADOOP成为Apache顶级项目,迎来了它的快速发展期。
2.什么是Hadoop?
l HADOOP是Apache旗下的一套开源软件平台
l HADOOP提供的功能:利用服务器集群对数据进行存储,根据用户的自定义业务逻辑,对海量数据进行分布式计算
l 广义上来说,HADOOP通常是指一个更广泛的概念——HADOOP生态圈
3.Hadoop解决了什么问题?
l 海量数据的存储(HDFS)
l 海量数据的技术(MapReduce)
l 资源调度(YARN)