What Is Apache Hadoop?

Hadoop是一个可靠的、可扩展的、分布式计算的开源软件。

Hadoop是一个分布式处理大数据的框架。它被设计成从一台到上千台不等的服务器，每个服务器都提供本地计算和存储的能力。它并非依赖于硬件来提供高可用服务。

Hadoop这个工程包含如下模块：

• Hadoop Common：公共模块
• Hadoop Distributed File System (HDFS™)：分布式文件系统
• Hadoop YARN：一个任务调度和集群资源管理的框架
• Hadoop MapReduce：一个机遇YARN的系统，用于并行处理大数据

其它相关的工程还包括：

• HBase：一个弹性的、分布式的数据库，支持结构化的数据存储
• Hive：一个数据仓库的基础设施，提供数据汇总和查询
• Spark：一个快速、通用的计算引擎。Spark提供简单并且有表现力的程序模块以支持大范围的应用，包括ETL、机器学习、流处理和图计算
• Zookeeper：为分布式应用提供一个高性能的协调服务