第4章 Hadoop基础组件

4.1 Hadoop简介

Apache Hadoop是Apache软件基金会的顶级开源项目，是由Doug Cutting根据Google发布的学术论文而创建的开源项目。Doug Cutting被称为Hadoop之父，他打造了目前在大数据领域如日中天的Hadoop。

Apache Hadoop的官方定义是：Apache^TM Hadoop®是一套可靠的、可扩展的、支持分布式计算的开源软件。

Hadoop的发音是“[hædu:p]”，Hadoop这个名字不是一个缩写，而是一个虚构的名字。Doug Cutting这样解释Hadoop的得名：“这个名字是我孩子给一个棕黄色的大象玩具命名的。我的命名标准就是简短、容易发音和拼写，没有太多的意义，并且不会被用于别处，小孩子恰恰是这方面的高手。”

Hadoop的特点

Hadoop是一个能够对大量数据进行分布式处理的开源软件框架，以一种可靠、高效、可伸缩的方式进行数据处理。

Hadoop是可靠的，它维护多个数据副本，确保能够针对失败的节点重新分布处理。

Hadoop是高效的，它以并行的方式工作，通过并行处理加快处理速度。

Hadoop是可伸缩的，能够处理PB级数据。

Hadoop是一个能够让用户轻松构建和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。

Hadoop带有用Java语言编写的框架，基于Hadoop的应用程序也可以使用其他语言编写。

高可靠、高扩展、高效、高容错、低成本等特性让Hadoop成为目前最流行的大数据分析系统。