Hadoop生态系统的简介.pdfVIP

  1. 1、本文档共22页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

Hadoop生态系统

Agenda

•Hadoop生态系统概览

•HBase简介

•Hive简介

•Pig简介

•FlumeNG简介

•Sqoop简介

•ZooKeeper简介

•Oozie简介

•Mahout简介

HBase简介

什么是HBase

–HBase是一个分布式的、面向列的开源NoSql数据库。

–HBase使用HadoopHDFS作为其文件存储系统。

为什么使用HBase

–HBase技术可在商业级别的普通x86Server上搭建起大规模数据库集群

–具备水平线性扩展能力;

–强一致性读写能力;

–原子和可分配地切分表,并且在未来版本中极有可能提供可分配地合并表功能。

–有自动容错能力,在遭遇宕机之后,应用可迅速切换。

–可满足实时读写响应,I/O吞吐量大。

–容易使用的JavaAPI。

–方便地运行MapReduce以及可扩展的thrift/rest/avro接口

HBase与关系数据库对比

对比项HBase关系型数据库

数据类型HBase只有bytes类型拥有丰富的数据类型,存储方式

数据操作只有很简单的操作,如,插入,删除等,表跟各种各样的连接操作,函数。

表是分离的,之间没有复杂的关系

数据维护更新操作时,会将原有数据保留,所以它实际上直接修改原数据

是插入了新数据

存储方式基于列存储的,每个列族都有自己的文件,不同基于表结构和行来存储的

的列族是分开的

可扩展性支持随意的扩展,而不需要改变表内原有的数据修改表结构,需要复杂的操作

事务没有复杂的事务支持,只有简单的行级事务ACID保证

索引没有二级索引拥有丰富的索引支持

HBase数据模型基本概念

RowKey:行键

–表的主键:表中的记录按照RowKey排序(按字节码升序)

ColumnFamily:列簇

–Table在水平方向有一个或者多个ColumnFamily组成

–一个ColumnFamily中可以包含任意多个Column

–Column支持动态扩展,无需预先定义Column的数量以及类型

–所有Column均以字节数组存储,用户需要自行进行类型转换。

Timestamp:时间戳

–每次数据操作对应的时间戳:可以看作是数据的版本号

数据模型-网站

RowKey=网站URLz

Site

ColumnFamilymetadata:keyword:body:

RowKeyQualifierValueQualifierValueQualifierValue

asideclass=btm

p_wrapfixp

languagecnChannel3

文档评论(0)

AI智博信息 + 关注
实名认证
文档贡献者

Python数据挖掘

1亿VIP精品文档

相关文档