Apache Hadoop

Apache Hadoop

Hadoop Logo
原作者	Doug Cutting, Mike Cafarella
開發者	Apache軟件基金會
首次發佈	2006年4月1日​（2006-04-01）
當前版本	Template:Software version
原始碼庫	<strong%20class= "error"><span%20class="scribunto-error%20mw-scribunto-error-6c8ed92f">腳本錯誤：沒有「Wd」這個模塊。 <strong%20class="error"><span%20class="scribunto-error%20mw-scribunto-error-6c8ed92f">腳本錯誤：沒有「wd」這個模塊。</span></strong> Template:EditAtWikidata
編程語言	Java
引擎	Template:EditAtWikidata
作業系統	跨平台
類型	大數據、分佈式系統
許可協議	Apache許可證 2.0
網站	hadoop.apache.org

Apache Hadoop是一款支持數據密集型分佈式應用程序並以Apache 2.0許可協議發佈的開源軟件框架，有助於使用許多計算機組成的網絡來解決數據、計算密集型的問題。基於MapReduce計算模型，它為大數據的分佈式存儲與處理提供了一個軟件框架。所有的Hadoop模塊都有一個基本假設，即硬件故障是常見情況，應該由框架自動處理。

Apache Hadoop的核心模塊分為存儲和計算模塊，前者被稱為Hadoop分佈式文件系統（HDFS），後者即MapReduce計算模型。Hadoop框架先將文件分成數據塊並分佈式地存儲在集群的計算節點中，接着將負責計算任務的代碼傳送給各節點，讓其能夠並行地處理數據。這種方法有效利用了數據局部性，令各節點分別處理其能夠訪問的數據。與傳統的超級計算機架構相比，這使得數據集的處理速度更快、效率更高。

Apache Hadoop框架由以下基本模塊構成：

• Hadoop Common – 包含了其他Hadoop 模塊所需的庫和實用程序；
• Hadoop Distributed File System (HDFS) – 一種將數據存儲在集群中多個節點中的分佈式文件系統，能夠提供很高的帶寬；
• Hadoop YARN – （於2012年引入） 一個負責管理集群中計算資源，並實現用戶程序調度的平台；
• Hadoop MapReduce – 用於大規模數據處理的MapReduce計算模型實現；
• Hadoop Ozone – （於2020年引入） Hadoop的對象存儲。

Hadoop 一詞通常代指其基本模塊和子模塊以及生態系統，或可以安裝在 Hadoop 之上的軟件包的集合，例如Apache Pig、Apache Hive、Apache HBase、Apache Phoenix、Apache Spark、Apache ZooKeeper、Cloudera Impala、Apache Flume、Apache Sqoop、Apache Oozie和Apache Storm。

Apache Hadoop的MapReduce和HDFS模塊的靈感來源於Google的MapReduce和Google File System論文。

Hadoop 框架本身主要是用Java編程語言編寫的，也包括了一些C語言編寫的本機代碼和Shell腳本編寫的命令行實用程序。儘管MapReduce Java代碼很常見，但任何編程語言都可以與Hadoop Streaming一起使用來實現用戶程序的map和reduce部分。Hadoop 生態系統中的其他項目實現了更為豐富的用戶界面。

主要子項目

File:Cubieboard HADOOP cluster.JPG

Hadoop小計算機集群用Cubieboard電腦。

• Hadoop Common：在0.20及以前的版本中，包含HDFS、MapReduce和其他項目公共內容，從0.21開始HDFS和MapReduce被分離為獨立的子項目，其餘內容為Hadoop Common
• HDFS：Hadoop分佈式文件系統（Distributed File System）－HDFS（Hadoop Distributed File System）
• MapReduce：並行計算框架，0.20前使用org.apache.hadoop.mapred舊接口，0.20版本開始引入org.apache.hadoop.mapreduce的新API

相關項目

• Apache HBase：分佈式NoSQL列數據庫，類似谷歌公司BigTable。
• Apache Hive：構建於hadoop之上的數據倉庫，通過一種類SQL語言HiveQL為用戶提供數據的歸納、查詢和分析等功能。Hive最初由Facebook貢獻。
• Apache Mahout：機器學習算法軟件包。
• Apache Sqoop：結構化數據（如關係數據庫）與Apache Hadoop之間的數據轉換工具。
• Apache ZooKeeper：分佈式鎖設施，提供類似Google Chubby的功能，由Facebook貢獻。
• Apache Avro：新的數據序列化格式與傳輸工具，將逐步取代Hadoop原有的IPC機制。

知名用戶

Hadoop在Yahoo!的應用

2008年2月19日，雅虎使用10,000個微處理器核心的Linux計算機集群運行一個Hadoop應用程式。

其他用戶

其他知名用戶包括：

• A9.com
• Facebook
• Fox Interactive Media
• 華為
• IBM
• ImageShack
• 資訊科學研究院
• Joost
• Last.fm
• Powerset
• 紐約時報
• Rackspace
• Veoh
• 中華電信
• 中國移動

Hadoop與Sun Grid Engine

昇陽電腦的Sun Grid Engine可以用來調度Hadoop Job。

Hadoop與Condor

威斯康辛大學麥迪遜分校的Condor計算機集群軟件也可以用作Hadoop Job的排程。

參見

• 大數據
• 雲端運算
• 高性能計算集群
• OpenStack－以Apache許可證授權的雲端運算軟件。
• Apache Spark

外部連結

• Hadoop官方網站（頁面存檔備份，存於互聯網檔案館）