Hadoop生态系统详解大数据

以下图1是hadoop生态图，通俗的说，就是hadoop核心模块和衍生的子项目。

                                                  图 1 Hadoop生态系统图

由图可知，hadoop生态系统包括以下成员：

①     各种浏览器，产生海量的Web数据；

②     Nutch项目，一个快速搜索海量网页的开源项目

③     HDFS，Hadoop分布式文件系统，大数据的存储系统；

④     数据分析和可视化工具；

⑤     MapReduce，大数据处理系统；

⑥     非结构化数据采集和处理工具（fuse,webdav,chukwa,flume,Scribe）；

⑦     结构化数据与HDFS之间的交互工具（Hiho,sqoop）；

⑧     多样化的MapReduce程序控制工具（Pig,Hive,Jaql）；

⑨     数据可视化工具（drilldown,Intellicus）；

⑩     工作流管理工具（oozie,Cascading）；

⑪     Hadoop生态系统的监管工具（Hue,karmasphere,eclipse plugin,cacti,ganglia）；

⑫     数据序列化处理与任务调度工具（Avro,Zookeeper）；

⑬     构建在Hadoop上层的服务（ Mahout,Elastic map Reduce）；

⑭     在线事务处理存储系统（HBase）。

整个Hadoop生态系统涉及到了大数据收集、大数据存储、大数据处理、大数据分析和大数据应用，从而真正达到寻找和应用大数据价值的目的。（3）和（5）是Hadoop的核心模块，破解了大数据存储和处理的难题。