1 大数据的概念
大数据：指无法在一定的时间范围内用常规的软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
主要解决海量数据的存储和海量数据的分析计算问题。
2 大数据的特点
大数据的特点简称 4V 特征：
- Volume（数据量大）
- Velocity（速度快）
- Variety（种类繁多）
- Value（价值密度低）
3 大数据生态圈
3.1 Hadoop 是什么
Hadoop是一个由Apache基金会所开发的分布式系统基础架构，主要解决海量数据的存储和海量数据的分析计算问题。从广义来说，Hadoop通常指的是一个更广泛的概念——Hadoop生态圈。
3.2 Hadoop 的来源
Google是Hadoop的思想之源，（Google在大数据方面的三篇论文）
- GFS ——> HDFS
- MapReduce ——> MR
- BigTable ——> HBase
3.3 Hadoop的特点
- 高容错性 ：能够自动将失败的任务重新分配
- 高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失
- 高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点
- 高效性：在MapReduce的思想下，Hadoop并行工作，以加快任务处理速度
3.4 Hadoop的组成
注意：
模块间联系越多,其耦合性越强,同时表明其独立性越差
3.4.1 HDFS
HDFS架构：
- NameNode（nn）：存索引，存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限）,以及每个文件的块列表和块所在的DataNode等。
- DataNode（dn）：存数据，在本地文件系统存储文件块数据，以及块数据的校验和
- Secondary NameNode（2nn）：NameNode的助手，但不能说是其备份，用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据地快照
3.4.2 YARN
3.4.3 MapReduce
MapReduce将计算过程分为两个阶段：Map和Reduce
- Map阶段并行处理输入数据
- Reduce阶段对Map结果进行汇总
