目录
1.hadoop概述
2.目前数据集主要特点
3.传统数据 VS 大数据
4.并行关系数据库 VS MPPorHadoop
5.Hadoop的子项目
6.谁在使用hadoop？
1.hadoop概述
Hadoop是一个开源的、可靠的、可扩展的分布式并行计算框架
主要组成（两大核心设计）：分布式文件系统HDFS和MapReduce算法执行
HDFS：分布式存储系统，提供了高可靠性、高扩展性和高吞吐率的数据存储服务。
MapReduce：分布式计算框架，具有易于编程、高容错性、和高扩展性等优点。
作者：Doug Cutting
语言：Java，支持多种编程语言如Python、C++
Hadoop是Google的集群系统的开源实现
Google集群系统：GFS（Google File System）、MapReduce、BigTable
Hadoop主要由HDFS（Hadoop Distributed File System）、MapReduce和HBase组成
Hadoop的初衷是为解决Nutch的海量数据爬取和存储的需要
Hadoop于2005年秋天作为Lucene的子项目Nutch的一部分正式引入Apache基金会。
名称起源：Doug Cutting儿子的黄色大象玩具的名字
2003-2004年，Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，一个微缩版：Nutch。
Hadoop于2005年秋天作为Lucene的子项目Nutch的一部分正式引入Apache基金会。2006年3月份，Map-Reduce和Nutch Distributed File System（NDFS）分别被纳入常务Hadoop的项目中。
Google三篇论文：GFS（Google文件系统 底层）、MAPREDUCE（中间计算层）、BIGTABLE
对应hadoop： HDFS（Hadoop分布式文件系统 底层） 、MAPREDUCE（中间计算层）、HBASE（列式数据库（NOSQL）专门解决hadoop所不擅长的事情）
2.目前数据集主要特点
数据集主要特点：
Volum（容量）：数据量从TB到PB级别
Variety（多样性）：数据类型复制，超过80%的数据是非结构化的
Velocity（速度）：数据量在持续增加（两位数的年增长率）
其他特征：
数据来自大量源，需要做相关性分析
需要实时或者准实时的流式采集，有些应用90%写vs10%读
数据需要长时间存储，非热点数据也会被随机访问
3.传统数据 VS 大数据
4.并行关系数据库 VS MPPorHadoop
5.Hadoop的子项目
注意：红色部分是属于hadoop家族的，黑色部分是不属于hadoop家族的。
6.谁在使用hadoop？
雅虎北京全球软件研发中心、中国移动研究院、英特尔研究院、金山软件、百度、腾讯、新浪、搜狐、淘宝、IBM、FaceBook、Amazon、Yahoo、华为等