h1.1 hadoop简介

hadoop是什么？

What Is Apache Hadoop?
The Apache Hadoop project develops open-source software for reliable, scalable, distributed computing.
在ApacheHadoop项目开发开源软件，可靠，可扩展，分布式计算。

解决问题：
海量数据的存储（HDFS）
海量数据的分析（MapReduce）
资源管理调度（YARN）

作者：Doug Cutting

受Google三篇论文的启发(GFS、MapReduce、BigTable)

hadoop具体能干什么？

hadoop擅长日志分析，facebook就用Hive来进行日志分析，2009年时facebook就有非编程人员的30%的人使用HiveQL进行数据分析；淘宝搜索中的自定义筛选也使用的Hive；利用Pig还可以做高级的数据处理，包括Twitter、LinkedIn 上用于发现您可能认识的人，可以实现类似Amazon.com的协同过滤的推荐效果。淘宝的商品推荐也是！在Yahoo！的40%的Hadoop作业是用pig运行的，包括垃圾邮件的识别和过滤，还有用户特征建模。（2012年8月25新更新，天猫的推荐系统是hive，少量尝试mahout！）

哪些公司使用hadoop

Hadoop被公认是一套行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力。几乎所有主流厂商都围绕Hadoop开发工具、开源软件、商业化工具和技术服务。今年大型IT公司，如EMC、Microsoft、Intel、Teradata、Cisco都明显增加了Hadoop方面的投入

hadoop在淘宝

》从09年开始，用于对海量数据的离线处理，例如对日志的分析，交易记录的分析等
》规模从当初的3~4百台节点，增加到现在的一个集群有3000个节点，淘宝现在已经有2~3个这样的集群
》在支付宝的集群规模也有700台节点，使用Hbase对用户的消费记录可以实现毫秒级查询

hadoop在淘宝架构图

h1.1 hadoop简介

原文：http://gaijianwei.blog.51cto.com/9362209/1626277