林子雨大数据技术原理与应用第二章课后题答案

|

大数据第二章课后题答案

黎狸

1.试述Hadoop和谷歌的MapReduce、GFS等技术之间的关系。

Hadoop是Apache软件基金会旗下的一-个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构。

①Hadoop 的核心是分布式文件系统( Hadoop Ditributed File

System,HDFS )和MapReduce。

②HDFS是对谷歌文件系统( Google File System, GFS )的开源实现，是面

向普通硬件环境的分布式文件系统，具有较高的读写速度、很好的容错

性和可伸缩性，支持大规模数据的分布式存储，其冗余数据存储的方式

很好地保证了数据的安全性。

③MapReduce 是针对谷歌MapReduce的开源实现，允许用户在不了解分布

式系统底层细节的情况下开发并行应用程序,采用MapReduce 来整合分

布式文件系统上的数据，可保证分析和处理数据的高效性。

2.试述Hadoop具有哪些特性。

.

Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方面的特性。

①高可靠性。采用冗余数据存储方式，即使一个副本发生故障，其他副本

也可以保证正常对外提供服务。

②高效性。作为并行分布式计算平台，Hadoop采用分布式存储和分布式处

理两大核心技术，能够高效地处理PB级数据。

③高可扩展性。 Hadoop的设计目标是可以高效稳定地运行在廉价的计算机

集群上，可以扩展到数以千计的计算机节点。

④高容错性。采用冗余数据存储方式，自动保存数据的多个副本，并且能

够自动将失败的任务进行重新分配。

⑤成本低。 Hadoop采用廉价的计算机集群，成本比较低，普通用户也很容

易用自己的PC搭建Hadoop运行环境。

⑥运行在 Linux平台上。Hadoop是基于Java语言开发的，可以较好地运

行在Linux平台上。

⑦支持多种编程语言。 Hadoop 上的应用程序也可以使用其他语言编写，

如C++。

3.、

4.试述Hadoop在各个领域的应用情况。

互联网领域是Hadoop应用的主要阵地。

①雅虎将Hadoop主要用于支持广告系统与网页搜索。

②Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等方面。

③淘宝Hadoop集群服务于阿里巴巴集团各部门，数据来源于各部门产品的

线上数据库( Oracle、MySQL)备份、系统日志以及爬虫数据，每天在

Hadoop集群运行各种MapReduce任务,如数据魔方、量子统计、推荐系统、

排行榜等。

④百度选择Hadoop主要用于日志的存储和统计、网页数据的分析和挖掘、

商业分析、在线数据反馈、网页聚类等。

5.试述Hadoop的项目结构以及每个部分的具体功能。

>

①《

②Common。Common为Hadoop其他子项目提供支持的常用工具，主要包括文

件系统、RPC（Remote Procedure Call）和串行化库。

③Avro。Avro Avro是Hadoop的一一个子项目，也是Apache中的一个独立

项目。Avro是一个用于数据序列化的系统，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、存储持久性数据的文件集、远程调用

( Remote Procedure Call, RPC )的功能和简单的动态语言集成功能。

Avro 可以将数据结构或对象转化成便于存储和传输的格式，节约数据存

储空间和网络传输带宽, Hadoop的其他子项目(如HBase和Hive )的客

户端与服务端之间的数据传输都采用了Avro。

④HDFS。HDFS是针对GFS的开源实现。具有处理强大数据、流式处理、可

以运行在廉价的商用服务器上等优点。

⑤HBase。HBase是针对谷歌的BigTable的开源实现。一般采用HDFS作为

其底层数据存储，基于列的存储，具有强大的非结构化数据存储能力。

具有良好的横向扩展能力。

⑥MapReduce。MapReduce是一种编程模型，用于大规模数据集（大于1TB）

的并行运算。允许用户在不了解分布式系统底层细节的情况下开发并行

应用程序，并将其运行于廉价计算机集群上，完成海量数据的处理。

⑦Zookeeper。Zookeeper是针对谷歌Chubby的-一个开源实现，是高效和

可靠的协同工作系统，提供分布式锁之类的基本服务( 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),用于构建分布

式应用，减轻分布式应用程序所承担的协调任务。

⑧Hive。Hive是一个基于Hadoop的数据仓库工具，可以用于对Hadoop文

件中的数据集进行数据整理、特殊查询和分析存储，十分适合数据仓库

的统计分析。

⑨ Pig。Pig是一种数据流语言和运行环境，适合于使用Hadoop和

MapReduce平台来查询大型半结构化数据集。Pig大大简化了Hadoop常

见的工作任务，它在MapReduce的基础上创建了更简单的过程语言抽象，

为Hadoop应用程序提供了一种更加接近结构化查询语言(SQL)的接口。

⑩'

⑪Sqoop。Sqoop可以改进数据的互操作性，主要用来在Hadoop 和关系数据库之间交换数据。通过Sqoop，可以方便地将数据从MySQL、Oracle 、