Apache Hadoop

**Apache Hadoop**
原作者	Doug Cutting, Mike Cafarella
開發者	Apache軟件基金會
首次釋出	2006年4月1日，18年前
目前版本	3.4.0 (2024年3月17日);
原始碼庫	git-wip-us.apache.org/repos/asf/hadoop.git;
程式語言	Java
作業系統	跨平台
類型	大數據、分佈式系統
特許條款	Apache特許條款 2.0
網站	hadoop.apache.org

Apache Hadoop是一款支援數據密集型分佈式應用程式並以Apache 2.0許可協定發佈的開源軟件框架，有助於使用許多電腦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，它為大數據的分散式儲存與處理提供了一個軟件框架。所有的Hadoop模組都有一個基本假設，即硬件故障是常見情況，應該由框架自動處理^[3]。

Apache Hadoop的核心模組分為儲存和計算模組，前者被稱為Hadoop分散式檔案系統（HDFS），後者即MapReduce計算模型。Hadoop框架先將檔案分成數據塊並分散式地儲存在叢集的計算節點中，接着將負責計算任務的代碼傳送給各節點，讓其能夠並列地處理數據。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。與傳統的超級電腦架構相比，這使得數據集的處理速度更快、效率更高^[4]^[5]。

Apache Hadoop框架由以下基本模組構成：

Hadoop Common – 包含了其他Hadoop 模組所需的庫和實用程式；
Hadoop Distributed File System (HDFS) – 一種將數據儲存在叢集中多個節點中的分散式檔案系統，能夠提供很高的頻寬；
Hadoop YARN – （於2012年引入）一個負責管理叢集中計算資源，並實現用戶程式排程的平台^[6]^[7]；
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的對象儲存。

Hadoop 一詞通常代指其基本模組和子模組以及生態系統^[8]，或可以安裝在 Hadoop 之上的軟件套件的集合，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^[9]。

Apache Hadoop的MapReduce和HDFS模組的靈感來源於Google的MapReduce和Google File System論文^[10]。

Hadoop 框架本身主要是用Java程式語言編寫的，也包括了一些C語言編寫的本機代碼和Shell指令碼編寫的命令列實用程式。儘管MapReduce Java代碼很常見，但任何程式語言都可以與Hadoop Streaming一起使用來實現用戶程式的map和reduce部分^[11]。Hadoop 生態系統中的其他專案實現了更為豐富的用戶介面。

主要子專案[編輯]

Hadoop Common：在0.20及以前的版本中，包含HDFS、MapReduce和其他專案公共內容，從0.21開始HDFS和MapReduce被分離為獨立的子專案，其餘內容為Hadoop Common
HDFS：Hadoop分佈式檔案系統（Distributed File System）－HDFS（Hadoop Distributed File System）
MapReduce：平行計算框架，0.20前使用org.apache.hadoop.mapred舊介面，0.20版本開始引入org.apache.hadoop.mapreduce的新API

知名用戶[編輯]

Hadoop在Yahoo!的應用[編輯]

2008年2月19日，雅虎使用10,000個微處理器核心的Linux 電腦叢集運行一個Hadoop應用程式。^[12]

其他用戶[編輯]

其他知名用戶包括^[13]：

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[編輯]

昇陽電腦的Sun Grid Engine可以用來排程Hadoop Job。^[14]^[15]

Hadoop與Condor[編輯]

威斯康辛大學麥迪遜分校的Condor計算機叢集軟件也可以用作Hadoop Job的排程。^[16]

參見[編輯]

參考文獻[編輯]

^ Hadoop Releases. apache.org. Apache Software Foundation. [2019-04-28]. （原始內容存檔於2019-04-28）.
^ Release 3.4.0 available. [2024年4月10日].
^ Welcome to Apache Hadoop!. hadoop.apache.org. [2016-08-25]. （原始內容存檔於2017-09-23）.
^ Malak, Michael. Data Locality: HPC vs. Hadoop vs. Spark. datascienceassn.org. Data Science Association. 2014-09-19 [2014-10-30]. （原始內容存檔於2017-09-10）.
^ Wang, Yandong; Goldstone, Robin; Yu, Weikuan; Wang, Teng. Characterization and Optimization of Memory-Resident MapReduce on HPC Systems. 2014 IEEE 28th International Parallel and Distributed Processing Symposium. IEEE. October 2014: 799–808. ISBN 978-1-4799-3800-1. S2CID 11157612. doi:10.1109/IPDPS.2014.87.
^ Resource (Apache Hadoop Main 2.5.1 API). apache.org. Apache Software Foundation. 2014-09-12 [2014-09-30]. （原始內容存檔於2014-10-06）.
^ Murthy, Arun. Apache Hadoop YARN – Concepts and Applications. hortonworks.com. Hortonworks. 2012-08-15 [2014-09-30]. （原始內容存檔於2017-09-11）.
^ Continuuity Raises $10 Million Series A Round to Ignite Big Data Application Development Within the Hadoop Ecosystem. finance.yahoo.com. Marketwired. 2012-11-14 [2014-10-30]. （原始內容存檔於2017-09-10）.
^ Hadoop-related projects at. Hadoop.apache.org. [2013-10-17]. （原始內容存檔於2017-09-23）.
^ Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. John Wiley & Sons. 2014-12-19: 300 [2015-01-29]. ISBN 9781118876220.
^ nlpatumd; Adventures with Hadoop and Perl. Mail-archive.com. 2010-05-02 [2013-04-05]. （原始內容存檔於2017-08-14）.
^ Yahoo! Launches World's Largest Hadoop Production Application (Hadoop and Distributed Computing at Yahoo!). [2008-09-04]. （原始內容存檔於2008-05-14）.
^ PoweredBy. [2008-09-07]. （原始內容存檔於2012-11-29）.
^ Creating Hadoop pe under SGE. Sun Microsystems. 2008-01-16 [2008-09-04]. （原始內容存檔於2008-09-12）.
^ HDFS-Aware Scheduling With Grid Engine (PDF). Sun Microsystems. 2009-09-10. ^{[永久失效連結]}
^ Condor integrated with Hadoop's Map Reduce (PDF). 威斯康辛大學麥迪遜分校. 2010-04-15 [2011-03-15]. （原始內容存檔 (PDF)於2011-04-01）.

外部連結[編輯]

Hadoop官方網站（頁面存檔備份，存於互聯網檔案館）

[1] Hadoop Releases. apache.org. Apache Software Foundation. [2019-04-28]. （原始內容存檔於2019-04-28）.

[wikidata-c8920ace5906148ec820fd4af51dc64af7c873c0-v3-2] Release 3.4.0 available. [2024年4月10日].

[homepage-3] Welcome to Apache Hadoop!. hadoop.apache.org. [2016-08-25]. （原始內容存檔於2017-09-23）.

[4] Malak, Michael. Data Locality: HPC vs. Hadoop vs. Spark. datascienceassn.org. Data Science Association. 2014-09-19 [2014-10-30]. （原始內容存檔於2017-09-10）.

[5] Wang, Yandong; Goldstone, Robin; Yu, Weikuan; Wang, Teng. Characterization and Optimization of Memory-Resident MapReduce on HPC Systems. 2014 IEEE 28th International Parallel and Distributed Processing Symposium. IEEE. October 2014: 799–808. ISBN 978-1-4799-3800-1. S2CID 11157612. doi:10.1109/IPDPS.2014.87.

[6] Resource (Apache Hadoop Main 2.5.1 API). apache.org. Apache Software Foundation. 2014-09-12 [2014-09-30]. （原始內容存檔於2014-10-06）.

[7] Murthy, Arun. Apache Hadoop YARN – Concepts and Applications. hortonworks.com. Hortonworks. 2012-08-15 [2014-09-30]. （原始內容存檔於2017-09-11）.

[8] Continuuity Raises $10 Million Series A Round to Ignite Big Data Application Development Within the Hadoop Ecosystem. finance.yahoo.com. Marketwired. 2012-11-14 [2014-10-30]. （原始內容存檔於2017-09-10）.

[9] Hadoop-related projects at. Hadoop.apache.org. [2013-10-17]. （原始內容存檔於2017-09-23）.

[10] Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. John Wiley & Sons. 2014-12-19: 300 [2015-01-29]. ISBN 9781118876220.

[11] tumd; Adventures with Hadoop and Perl. Mail-archive.com. 2010-05-02 [2013-04-05]. （原始內容存檔於2017-08-14）.

[12] Yahoo! Launches World's Largest Hadoop Production Application (Hadoop and Distributed Computing at Yahoo!). [2008-09-04]. （原始內容存檔於2008-05-14）.

[13] PoweredBy. [2008-09-07]. （原始內容存檔於2012-11-29）.

[14] Creating Hadoop pe under SGE. Sun Microsystems. 2008-01-16 [2008-09-04]. （原始內容存檔於2008-09-12）.

[15] HDFS-Aware Scheduling With Grid Engine (PDF). Sun Microsystems. 2009-09-10. ^{[永久失效連結]}

[16] Condor integrated with Hadoop's Map Reduce (PDF). 威斯康辛大學麥迪遜分校. 2010-04-15 [2011-03-15]. （原始內容存檔 (PDF)於2011-04-01）.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]