Hadoop之生态系统

Hadoop生态系统

一、摘要

            经过几年的快速发展，Hadoop现在已经发展成为包含多个相关项目的软件生态系统。狭义的Hadoop核心只包括Hadoop Common、Hadoop HDFS和Hadoop MapReduce三个子项目，但是和Hadoop核心密切相关的还包括Avro、Zookeeper、Hive、Pig和Hbase等等项目，构建在这些项目之上的，面向具体领域、应用的Mahout、X-Rime、Crossbow和Ivory等项目，以及Chukwa、Flume、Sqoop、Oozie和Karmasphere等数据交换、工作流和开发环境这样的外围支撑系统。他们提供互补性的服务，共同提供了一个海量数据处理的软件生态系统。

二、详解

            1、Hadoop Common

            从Hadoop0.20版本开始，原来Hadoop项目的Core部分更名为Hadoop Common。Common为Hadoop的其他项目提供一些常用工具，主要包括系统配置工具Configuration、远程过程调用RPC、序列化机制和Hadoop抽象文件系统FileSystem等。它们为在通用硬件上搭建云环境提供基本的服务，并为运行在该平台的软件开发提供了所需的API。

            2、HDFS

            HDFS，Hadoop分布式文件系统，是Hadoop体系中数据存储管理的基础。它是一个高度容错的系统，能检测和应对硬件故障，用于在低成本的通用硬件上运行。HDFS简化了文件的一致性模型，通过流式数据访问，提供高吞吐量应用程序数据访问功能，适合带有大型数据集的应用程序。

            3、MapReduce

            MapReduce是一种计算模型，泳衣进行大数据量的计算。Hadoop的MapReduce实现，和Common、HDFS一起，构成了Hadoop发展初期的三个组件。MapReduce将应用划分成Map和Reduce两个步骤，其中Map对数据集上的独立元素进行指定的操作，生成键值对形式中间结果。Reduce则对中间结果中相同键的所有值进行规约，已得到最终结果。MapReduce这样的功能划分，非常适合在大量计算机的分布式并行环境里进行数据处理。

            4、Avro

            Avro是Doug Cuttiing牵头开发，是一个数据序列化系统。类似于其它序列化机制，Avro可以将数据结构或者对象转换成便于存储和传输的格式，其设计目标是用于支持数据密集型应用，适合大规模数据的存储与交换。Avro提供了丰富的数据结构类型、快速可压缩的二进制数据格式、存储吃就行数据的文件集、远程调用RPC和简单动态语言继承等功能。

            5、Zookeeper

            在分布式系统中如何就某个值（决议）达成一致，是一个十分重要的基础问题。Zookeeper作为一个分布式的服务框架，解决了分布式计算中的一致性问题。在此基础上，Zookeeper可用于处理分布式应用中经常遇到的一些数据管理问题，如统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理等。Zookeeper常作为其他Hadoop相关项目的主要组件，发挥着越来越重要的作用。

            6、Hive

            Hive是Hadoop中的一个重要子项目，最早由Facebook设计，是建立在Hadoop基础上的数据仓库架构，它为数据仓库的管理提供了许多功能，包括：数据ETL（抽取、转换和加载）工具、数据存储挂历和大型数据集的查询和分析能力。

            Hive提供的一种结构化数据的机制，定义了类似于传统关系型数据库中的类SQL语言：HiveQL，通过查询语言，数据分析人员可以很方便地运行数据分析业务。

            7、HBase

            Google发表了BigTable系统论文后，开源社区就开始在HDFS上构建相应的实现HBase。Hbase是一个针对结构化数据的可伸缩、高可靠、高性能、分布式和面向列的动态模式数据库。和传统关系型数据库不同，HBase采用了BigTable的数据模型：增强的稀疏排序映射表（Key/Value），其中，键由行关键字、列关键字和时间戳构成。HBase提供了对大规模数据的随机、实时读写访问，同时，HBase中保存的数据可以使用MapReduce来处理，它将数据存储和并行计算完美结合到一起。

            8、Pig

            Pig运行在Hadoop上，是对大型数据集进行分析和评估的平台。它简化了使用Hadoop进行数据分析的要求，提供了一个高层次的、面向领域的抽象语言：Pig Latin。通过PigLatin，数据工程师可以将复杂且相互关联的数据分析任务编码为Pig操作上的数据流脚本，通过将该脚本转换为MapReduce任务链，在hadoop上执行。和Hive一样，Pig降低了对大型数据集进行分析和评估的门槛。

            9、Mahout

            Mahout起源于2008年，最初是Apache Lucene的子项目，它在极短的时间内取得了长足的发展，现在是Apache的顶级项目。Mahout的主要目标是创建一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Mahout现在已经包含了聚类、分类、推荐引擎（协同过滤）和频繁集挖掘等广泛使用的数据挖掘方法。除了算法，Mahout还包含数据的输入/输出工具、与其他存储系统继承等数据挖掘支撑架构。

            10、X-RIME

            X-RIME是一个开源的社会网络分析工具，它提供了一套基于Hadoop的大规模社会网络/复杂网络分析工具包。X-RIME在MapReduce的框架上对十几种社会网络分析算法进行了并行化与分布式化，从而实现了对互联网级大规模社会网络/复杂网络的分析。它包括HDFS存储系统上的一套适合大规模社会网络分析的数据模型、基于MapReduce实现的一系列社会网络分析分布式计算并行算法和X-RIME处理迷行，即是X-RIME工具链等三部分。

            11、Crossbow

            CrossBow是在Bowtie和SOAPsnp基础上，结合Hadoop的可扩展工具，该工具能够充分利用集群进行生物计算。其中，Bowtie是一个快速、高效的基因短序列拼接至模板基因组工具：SOAPsnp则是一个重测序一致性序列建造程序。它们在复杂遗传病和肿瘤易感的基因定位，到群体和进化遗传学研究中发挥着重要作用。CrossBow利用了Hadoop Stream，将Bowtie、SOAPsnp上计算任务分布到Hadoop集群中，满足了新一代基因测序技术带来的海量数据存储以及计算分析要求。

            12、Chukwa

            Chukwa是开源的数据收集系统，用于监控大规模分布式系统（2000+以上的节点，系统每天产生的监控数据量在T级别）。它构建在Hadoop的HDFS和MapReduce基础之上，继承了Hadoop的可伸缩性和鲁棒性。Chukwa包含了一个强大和灵活的工具集，提供了数据的生成、收集、排序、去重、分析和展示一系列功能，是Hadoop使用者、集群运维人员和管理人员的必备工具。

            13、Flume

            Flume是Cloudera开发维护的分布式、可靠、高可用的日志收集系统。它将数据从产生、传输、处理并最终写入目标的路径的过程抽象为数据流，在具体的数据流中，数据源支持在Flume中定制数据发送方，从而支持手机各种不同协议数据。同时，Flume数据流提供对日志数据进行简单处理的能力，如过滤、格式转换等。此外，Flume还具有能将够日志写往各种数据目标（可定制）的能力。总的来说，Flume是一个可扩展、适合复杂环境的海量日志收集系统。

            14、Sqoop

            Sqoop是SQL-to-Hadoop的缩写，是Hadoop 的周边工具，它的主要作用在结构化数据存储与Hadoop之间进行数据交换。Sqoop可以将一个关系型数据库中的数据导入Hadoop的HDFS、Hive中，也可以将HDFS、Hive中的数据导入关系型数据库中。Sqoop充分利用了Hadoop的优点。整个数据导入导出过程都是用MapReduce实现并行化，同时，该过程中的大部分步骤自动执行，非常方便。

            15、Oozie

            在Hadoop中执行数据处理工作，有时候需要把多个作业连接在一起，才能达到最终目的。针对上述需求，Yahaoo开发了开源工作引擎流Oozie，用于管理和协调多个运行在Hadoop平台上作业。在Oozie中，计算作业被抽象为动作，控制流节点则用于构建动作间的依赖关系，它们一起组成一个有向无环的工作流，描述了一项完整的数据处理工作。Oozie工作流系统可以提高数据处理流程的柔性，改善Hadoop集群的效率，并降低开发和运营人员的工作量。

            16、Karmasphere

            Karmasphere包括Karmasphere Analyst和Karmasphere Studio。其中，Analyst提供了访问保存在Hadoop里面的结构化和非结构化数据的能力，用户可以运用SQL或者其他语言，进行即时查询并做进一步的分析。Studio则是基于NetBeans的MapReduce集成开发环境，开发人员可以利用它方便快速地创建基于Hadoop的MapReduce应用。同时，该工具还提供了一些可视化工具，用于监控任务的执行，显示任务间的输入输出和交互等。需要注意的是，在上面提及的这些项目中，该项目不开源。