概要

大数据是目前非常火热的词，基本各行各业都离不开大数据，利用金融数据分析一个公司的走势，利用监控数据可以抓住一个在逃逃犯。这些都是大数据应用程序。

大数据技术的相关概念

数据无处不在，各行各业无时无刻不在产生大量的数据。

如何保存和分析像海洋一样的数据，成为了一道难题。传统的单机存储存在存储容量小、读写速率慢、计算效率低下的缺点。Google 提出了一系列大数据技术。比如 MapReduce，bigtable，gfs。这些技术给大数据存储和分析带来了革命性的改变。首先降低了成本，数据能用 PC 机存储，而不是超级计算机。其次使用软件提高可靠性，而不是硬件。最后简化了分布式并行计算，不需要控制同步和数据交换。Google 只提供了一些论文，没有开源源代码。所以一个模仿 Google 的开源技术来了。就是 hadoop。

hadoop 是 apache 的顶级项目之一，主要负责分布式存储和分布式计算。hadoop 由两个部分组成：hdfs 存储海量数据，mapreduce 实现任务分解和处理。hadoop 可以实现以下功能：

为什么选择 hadoop, 首先扩展性强，可以通过简单地添加硬件实现，其次成本很低，不需要使用高端的机器，只用个人电脑就可以。最后 hadoop 的生态圈成熟，围绕 hadoop 产生了很多工具。