Apache Hadoop

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體框架，有助於使用許多電腦組成的網路來解決資料、計算密集型的問題。基於MapReduce計算模型，它為巨量資料的分散式儲存與處理提供了一個軟體框架。所有的Hadoop模組都有一個基本假設，即硬體故障是常見情況，應該由框架自動處理^[3]。

Apache Hadoop

原作者	Doug Cutting, Mike Cafarella
開發者	Apache軟體基金會
首次釋出	2006年4月1日，​18年前​（2006-04-01）[1]
目前版本	3.4.0（2024年3月17日）[2]
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	巨量資料、分佈式系統
授權條款	Apache授權條款 2.0
網站	hadoop.apache.org

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框架先將檔案分成資料塊並分散式地儲存在叢集的計算節點中，接著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資料。這種方法有效利用了資料局部性，令各節點分別處理其能夠訪問的資料。與傳統的超級電腦架構相比，這使得資料集的處理速度更快、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) – 一種將資料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，並實現使用者程式排程的平台^[6][7]；
• Hadoop MapReduce – 用於大規模資料處理的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 之上的軟體套件的集合，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一起使用來實現使用者程式的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使用者介面。

主要子專案

Hadoop小電腦叢集用Cubieboard電腦。

• 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

相關專案

• Apache HBase：分散式NoSQL列資料庫，類似谷歌公司BigTable。
• Apache Hive：構建於hadoop之上的資料倉儲，通過一種類SQL語言HiveQL為使用者提供資料的歸納、查詢和分析等功能。Hive最初由Facebook貢獻。
• Apache Mahout：機器學習演算法軟體套件。
• Apache Sqoop：結構化資料（如關聯式資料庫）與Apache Hadoop之間的資料轉換工具。
• Apache ZooKeeper：分散式鎖設施，提供類似Google Chubby的功能，由Facebook貢獻。
• Apache Avro：新的資料序列化格式與傳輸工具，將逐步取代Hadoop原有的IPC機制。

知名使用者

Hadoop在Yahoo!的應用

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]

其他使用者

其他知名使用者包括^[13]：

• A9.com
• Facebook
• Fox Interactive Media
• 華為
• IBM
• ImageShack
• 資訊學研究院
• Joost
• Last.fm
• Powerset
• 紐約時報
• Rackspace
• Veoh
• 中華電信
• 中國移動

Hadoop與Sun Grid Engine

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

Hadoop與Condor

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

參見

• 巨量資料
• 雲端運算
• 高效能計算叢集
• OpenStack－以Apache授權條款授權的雲端運算軟體。
• Apache Spark

參考文獻

1. Hadoop Releases. apache.org. Apache Software Foundation. [2019-04-28]. （原始內容存檔於2019-04-28）.
2. Release 3.4.0 available. [2024年4月10日].
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. 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）.
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）.

外部連結

• Hadoop官方網站（頁面存檔備份，存於網際網路檔案館）