基本概念
hadoop是一个由Apache基金会所开发的分布式系统基础架构
可以使用户在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储
最核心的设计就是HDFS和MapReduce
DFS为海量的数据提供了存储
MapReduce则为海量的数据提供了计算
优点介绍
一个能够对大量数据进行分布式处理的软件框架
以一种可靠、高效、可伸缩的方式进行数据处理
高可靠性
Hadoop按位存储和处理数据的能力值得人们信赖
高扩展性
Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中
高效性
Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。
高容错性
Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配
低成本
与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低
核心架构
Hadoop Distributed File System（HDFS）
存储 Hadoop 集群中所有存储节点上的文件
可以创建、删除、移动或重命名文件
NameNode
一个通常在HDFS实例中的单独机器上运行的软件
负责管理文件系统名称空间和控制外部客户机的访问
DataNode
一个通常在HDFS实例中的单独机器上运行的软件
以机架的形式组织，机架通过一个交换机将所有系统连接起来
MapReduce与Hadoop之比较
Hadoop是一种分布式数据和计算的框架
擅长存储大量的半结构化的数据集
数据可以随机存放，所以一个磁盘的失败并不会带来数据丢失
擅长分布式计算——快速地跨多台机器处理大型数据集合
MapReduce是处理大量半结构化数据集合的编程模型
编程模型是一种处理并结构化特定问题的方式。例如，在一个关系数据库中，使用一种集合语言执行查询
告诉语言想要的结果，并将它提交给系统来计算出如何产生计算
MapReduce和Hadoop是相互独立的，实际上又能相互配合工作得很好
开源实现
Hadoop是项目的总称。主要是由HDFS和MapReduce组成
HDFS是Google File System（GFS）的开源实现
MapReduce是Google MapReduce的开源实现
子分项目
HBase
类似Google BigTable的分布式NoSQL列数据库
Zookeeper
布式锁设施，提供类似Google Chubby的功能
Avro
新的数据序列化格式与传输工具，将逐步取代Hadoop原有的IPC机制
Ambari
Hadoop管理工具，可以快捷的监控、部署、管理集群
Sqoop
于在HADOOP与传统的数据库间进行数据的传递
