标签：hadoop 分布式文件系统 机器学习 海量数据 hbase
这篇文章不提原理，讲讲hadoop及其周边项目的作用。
hadoop这个词已经流行好多年了，一提到大数据就会想到hadoop，那么hadoop的作用是什么呢？
官方定义：hadoop是一个开发和运行处理大规模数据的软件平台。核心词语是平台，也就是说我们有大量的数据，又有好几个电脑，我们知道应该把处理数据的任务分解到各个电脑上，但是不知道怎样分配任务，怎样回收结果，hadoop大概就帮助我们做了这件事。
1HDFS
我们首先应该考虑的是海量数据怎么保存，怎么管理。这就有了分布式文件系统，HDFS。
2Map-Reduce
数据保存后，我们怎样处理这些数据呢，如果我处理的方法复杂，而不仅仅是排序，查找这样的操作怎么办？需要有一个能够提供编写代码的地方，让我们自己写出操作，它内部再进行分解，分配，回收数据等等。
3Hive
能编代码是好的，但编代码太麻烦，而且数据库人员是熟悉SQL语句的，能用SQL语句处理，就不用Map-Reduce了吧，所以出现了Hive。而且大数据无论如何是离不开数据库，离不开表，Hive就能讲数据映射成数据表，然后再操作就方便了，它的缺点是速度较慢。
4HBase
既然Hive的速度较慢，那么有没有较快的数据库呢？HBase就是，他为查询而生的，查询的速度很快。
5Sqoop
以前不是有很多有名的数据库像MySQL，Oracle，我数据都是存在这里面的，怎么导入到HDFS中呢？Sqoop提供了关系型数据库和HDFS之间的相互转换。
6Flume
在这么多电脑上工作，如果其中一台有点问题，或者上面哪个服务有点问题，怎样知道哪坏了呢？Flume提供了一个高可靠的日志采集系统。
7Mahout
处理大数据很多是用来进行数据挖掘，有那几种常见的机器学习算法，既然算法都固定了而且就那几种，那就开发个叫Mahout的东西实现各种算法，开发人员就能更快捷的使用。
8Zookeeper
ZooKeeper的目标是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。说白了就是动物园管理员，他是用来来管大象(Hadoop) 、 蜜蜂(Hive)的。
以上是Hadoop家族的主要成员，还有几个不常用的就不用介绍了，知道这些成员的作用后，对Hadoop整体能干什么就有了初步的认识，剩下的就是慢慢学习各个部分的原理和使用方法了。
hadoop家族的各个成员,布布扣,bubuko.com
hadoop家族的各个成员
标签：hadoop 分布式文件系统 机器学习 海量数据 hbase
原文地址：http://blog.csdn.net/ji_zailushang/article/details/26285635
