Hadoop有哪些開源工具-創(chuàng)新互聯(lián)
這篇文章主要講解了“Hadoop有哪些開源工具”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Hadoop有哪些開源工具”吧！
1、ApacheMesos
代碼托管地址：ApacheSVN
Mesos提供了高效、跨分布式應(yīng)用程序和框架的資源隔離和共享，支持Hadoop、MPI、Hypertable、Spark等。
Mesos是Apache孵化器中的一個(gè)開源項(xiàng)目，使用ZooKeeper實(shí)現(xiàn)容錯(cuò)復(fù)制，使用LinuxContainers來隔離任務(wù)，支持多種資源計(jì)劃分配(內(nèi)存和CPU)。提供Java、Python和C++APIs來開發(fā)新的并行應(yīng)用程序，提供基于Web的用戶界面來提查看集群狀態(tài)。
2、HadoopYARN
代碼托管地址：ApacheSVN
YARN又被稱為MapReduce2.0，借鑒Mesos，YARN提出了資源隔離解決方案Container，但是目前尚未成熟，僅僅提供Java虛擬機(jī)內(nèi)存的隔離。
對(duì)比MapReduce1.x，YARN架構(gòu)在客戶端上并未做太大的改變，在調(diào)用API及接口上還保持大部分的兼容，然而在YARN中，開發(fā)人員使用ResourceManager、ApplicationMaster與NodeManager代替了原框架中核心的JobTracker和TaskTracker。其中ResourceManager是一個(gè)中心的服務(wù)，負(fù)責(zé)調(diào)度、啟動(dòng)每一個(gè)Job所屬的ApplicationMaster，另外還監(jiān)控ApplicationMaster的存在情況;NodeManager負(fù)責(zé)Container狀態(tài)的維護(hù)，并向RM保持心跳。ApplicationMaster負(fù)責(zé)一個(gè)Job生命周期內(nèi)的所有工作，類似老的框架中JobTracker。
Hadoop上的實(shí)時(shí)解決方案
前面我們有說過，在互聯(lián)網(wǎng)公司中基于業(yè)務(wù)邏輯需求，企業(yè)往往會(huì)采用多種計(jì)算框架，比如從事搜索業(yè)務(wù)的公司：網(wǎng)頁索引建立用MapReduce，自然語言處理用Spark等。
3、ClouderaImpala
代碼托管地址：GitHub
Impala是由Cloudera開發(fā)，一個(gè)開源的MassivelyParallelProcessing(MPP)查詢引擎。與Hive相同的元數(shù)據(jù)、SQL語法、ODBC驅(qū)動(dòng)程序和用戶接口(HueBeeswax)，可以直接在HDFS或HBase上提供快速、交互式SQL查詢。Impala是在Dremel的啟發(fā)下開發(fā)的，第一個(gè)版本發(fā)布于2012年末。
Impala不再使用緩慢的Hive+MapReduce批處理，而是通過與商用并行關(guān)系數(shù)據(jù)庫中類似的分布式查詢引擎(由QueryPlanner、QueryCoordinator和QueryExecEngine三部分組成)，可以直接從HDFS或者HBase中用SELECT、JOIN和統(tǒng)計(jì)函數(shù)查詢數(shù)據(jù)，從而大大降低了延遲。
4、Spark
代碼托管地址：Apache
Spark是個(gè)開源的數(shù)據(jù)分析集群計(jì)算框架，最初由加州大學(xué)伯克利分校AMPLab開發(fā)，建立于HDFS之上。Spark與Hadoop一樣，用于構(gòu)建大規(guī)模、低延時(shí)的數(shù)據(jù)分析應(yīng)用。Spark采用Scala語言實(shí)現(xiàn)，使用Scala作為應(yīng)用框架。
Spark采用基于內(nèi)存的分布式數(shù)據(jù)集，優(yōu)化了迭代式的工作負(fù)載以及交互式查詢。與Hadoop不同的是，Spark和Scala緊密集成，Scala像管理本地collective對(duì)象那樣管理分布式數(shù)據(jù)集。Spark支持分布式數(shù)據(jù)集上的迭代式任務(wù)，實(shí)際上可以在Hadoop文件系統(tǒng)上與Hadoop一起運(yùn)行(通過YARN、Mesos等實(shí)現(xiàn))。
5、Storm
代碼托管地址：GitHub
Storm是一個(gè)分布式的、容錯(cuò)的實(shí)時(shí)計(jì)算系統(tǒng)，由BackType開發(fā)，后被Twitter捕獲。Storm屬于流處理平臺(tái)，多用于實(shí)時(shí)計(jì)算并更新數(shù)據(jù)庫。Storm也可被用于“連續(xù)計(jì)算”(continuouscomputation)，對(duì)數(shù)據(jù)流做連續(xù)查詢，在計(jì)算時(shí)就將結(jié)果以流的形式輸出給用戶。它還可被用于“分布式RPC”，以并行的方式運(yùn)行昂貴的運(yùn)算。
Hadoop上的其它解決方案
就像前文說，基于業(yè)務(wù)對(duì)實(shí)時(shí)的需求，各個(gè)實(shí)驗(yàn)室發(fā)明了Storm、Impala、Spark、Samza等流實(shí)時(shí)處理工具。而本節(jié)我們將分享的是實(shí)驗(yàn)室基于性能、兼容性、數(shù)據(jù)類型研究的開源解決方案，其中包括Shark、Phoenix、ApacheAccumulo、ApacheDrill、ApacheGiraph、ApacheHama、ApacheTez、ApacheAmbari。
6、Shark
代碼托管地址：GitHub
Shark，代表了“HiveonSpark”，一個(gè)專為Spark打造的大規(guī)模數(shù)據(jù)倉庫系統(tǒng)，兼容ApacheHive。無需修改現(xiàn)有的數(shù)據(jù)或者查詢，就可以用100倍的速度執(zhí)行HiveQL。
Shark支持Hive查詢語言、元存儲(chǔ)、序列化格式及自定義函數(shù)，與現(xiàn)有Hive部署無縫集成，是一個(gè)更快、更強(qiáng)大的替代方案。
7、Phoenix
代碼托管地址：GitHub
Phoenix是構(gòu)建在ApacheHBase之上的一個(gè)SQL中間層，完全使用Java編寫，提供了一個(gè)客戶端可嵌入的JDBC驅(qū)動(dòng)。Phoenix查詢引擎會(huì)將SQL查詢轉(zhuǎn)換為一個(gè)或多個(gè)HBasescan，并編排執(zhí)行以生成標(biāo)準(zhǔn)的JDBC結(jié)果集。直接使用HBaseAPI、協(xié)同處理器與自定義過濾器，對(duì)于簡單查詢來說，其性能量級(jí)是毫秒，對(duì)于百萬級(jí)別的行數(shù)來說，其性能量級(jí)是秒。Phoenix完全托管在GitHub之上。
Phoenix值得關(guān)注的特性包括：1，嵌入式的JDBC驅(qū)動(dòng)，實(shí)現(xiàn)了大部分的java.sql接口，包括元數(shù)據(jù)API;2，可以通過多個(gè)行鍵或是鍵/值單元對(duì)列進(jìn)行建模;3，DDL支持;4，版本化的模式倉庫;5，DML支持;5，通過客戶端的批處理實(shí)現(xiàn)的有限的事務(wù)支持;6，緊跟ANSISQL標(biāo)準(zhǔn)。
8、ApacheAccumulo
代碼托管地址：ApacheSVN
ApacheAccumulo是一個(gè)可靠的、可伸縮的、高性能、排序分布式的鍵值存儲(chǔ)解決方案，基于單元訪問控制以及可定制的服務(wù)器端處理。使用GoogleBigTable設(shè)計(jì)思路，基于ApacheHadoop、Zookeeper和Thrift構(gòu)建。Accumulo最早由NSA開發(fā)，后被捐獻(xiàn)給了Apache基金會(huì)。
對(duì)比GoogleBigTable，Accumulo主要提升在基于單元的訪問及服務(wù)器端的編程機(jī)制，后一處修改讓Accumulo可以在數(shù)據(jù)處理過程中任意點(diǎn)修改鍵值對(duì)。
9、ApacheDrill
代碼托管地址：GitHub
本質(zhì)上，ApacheDrill是GoogleDremel的開源實(shí)現(xiàn)，本質(zhì)是一個(gè)分布式的mpp查詢層，支持SQL及一些用于NoSQL和Hadoop數(shù)據(jù)存儲(chǔ)系統(tǒng)上的語言，將有助于Hadoop用戶實(shí)現(xiàn)更快查詢海量數(shù)據(jù)集的目的。當(dāng)下Drill還只能算上一個(gè)框架，只包含了Drill愿景中的初始功能。
Drill的目的在于支持更廣泛的數(shù)據(jù)源、數(shù)據(jù)格式及查詢語言，可以通過對(duì)PB字節(jié)數(shù)據(jù)的快速掃描(大約幾秒內(nèi))完成相關(guān)分析，將是一個(gè)專為互動(dòng)分析大型數(shù)據(jù)集的分布式系統(tǒng)。
10、ApacheGiraph
代碼托管地址：GitHub
ApacheGiraph是一個(gè)可伸縮的分布式迭代圖處理系統(tǒng)，靈感來自BSP(bulksynchronousparallel)和Google的Pregel，與它們區(qū)別于則是是開源、基于Hadoop的架構(gòu)等。
Giraph處理平臺(tái)適用于運(yùn)行大規(guī)模的邏輯計(jì)算，比如頁面排行、共享鏈接、基于個(gè)性化排行等。Giraph專注于社交圖計(jì)算，被Facebook作為其OpenGraph工具的核心，幾分鐘內(nèi)處理數(shù)萬億次用戶及其行為之間的連接。
11、ApacheHama
代碼托管地址：GitHub
ApacheHama是一個(gè)建立在Hadoop上基于BSP(BulkSynchronousParallel)的計(jì)算框架，模仿了Google的Pregel。用來處理大規(guī)模的科學(xué)計(jì)算，特別是矩陣和圖計(jì)算。集群環(huán)境中的系統(tǒng)架構(gòu)由BSPMaster/GroomServer(ComputationEngine)、Zookeeper(DistributedLocking)、HDFS/HBase(StorageSystems)這3大塊組成。
12、ApacheTez
代碼托管地址：GitHub
ApacheTez是基于HadoopYarn之上的DAG(有向無環(huán)圖，DirectedAcyclicGraph)計(jì)算框架。它把Map/Reduce過程拆分成若干個(gè)子過程，同時(shí)可以把多個(gè)Map/Reduce任務(wù)組合成一個(gè)較大的DAG任務(wù)，減少了Map/Reduce之間的文件存儲(chǔ)。同時(shí)合理組合其子過程，減少任務(wù)的運(yùn)行時(shí)間。由Hortonworks開發(fā)并提供主要支持。
13、ApacheAmbari
代碼托管地址：ApacheSVN
ApacheAmbari是一個(gè)供應(yīng)、管理和監(jiān)視ApacheHadoop集群的開源框架，它提供一個(gè)直觀的操作工具和一個(gè)健壯的HadoopAPI,可以隱藏復(fù)雜的Hadoop操作，使集群操作大大簡化，首個(gè)版本發(fā)布于2012年6月。
ApacheAmbari現(xiàn)在是一個(gè)Apache的頂級(jí)項(xiàng)目，早在2011年8月，Hortonworks引進(jìn)Ambari作為ApacheIncubator項(xiàng)目，制定了Hadoop集群極致簡單管理的愿景。在兩年多的開發(fā)社區(qū)顯著成長，從一個(gè)小團(tuán)隊(duì)，成長為Hortonworks各種組織的貢獻(xiàn)者。Ambari用戶群一直在穩(wěn)步增長，許多機(jī)構(gòu)依靠Ambari在其大型數(shù)據(jù)中心大規(guī)模部署和管理Hadoop集群。
目前ApacheAmbari支持的Hadoop組件包括：HDFS、MapReduce、Hive、HCatalog、HBase、ZooKeeper、Oozie、Pig及Sqoop。
感謝各位的閱讀，以上就是“Hadoop有哪些開源工具”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Hadoop有哪些開源工具這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！
網(wǎng)頁名稱：Hadoop有哪些開源工具-創(chuàng)新互聯(lián)
標(biāo)題鏈接：http://m.jiaotiyi.com/article/ccesgs.html