作者：禅与计算机程序设计艺术
1.简介
Hadoop（简称HA），是一个分布式计算系统基础框架，由Apache基金会开发。它是一种可以用来存储大量数据的计算平台，可以实现海量数据的存储、分析、处理等功能。目前，Hadoop已成为最流行的大数据处理技术之一。 Apache Hadoop是开源的、基于Java开发的一个分布式计算系统基础框架。它可以提供高吞吐量的数据处理能力，并且可以在多种商用硬件集群上运行。本系列教程将会介绍Hadoop的基本概念、相关术语，并介绍Hadoop的主要应用场景，包括MapReduce、HDFS、YARN、Zookeeper等模块的基本原理及使用方法。最后，还将通过一些实践案例，让读者感受到Hadoop所带来的便利与效率。
2.大数据概述
大数据是指具有超高数据量、超高复杂性、多样化结构和多维度信息特征的一类数据。随着互联网、移动互联网和物联网等新兴产业的不断发展，越来越多的人将面临巨大的、不可预测的流量和数据量。这些数据给传统的信息技术和数据中心带来了新的挑战，需要新的处理方案。在这种情况下，大数据技术应运而生。 大数据主要分为两大类：结构化数据和非结构化数据。结构化数据通常指具有固定格式的数据，如关系数据库中的表格；非结构化数据则指具有非标准格式或结构不明确的数据，如文本文件、图片、视频等。结构化数据存在固定的模式，对字段的命名、格式要求较严，可以使用SQL语句进行查询、统计；而非结构化数据没有固定的模式，字段可能不一致，无法使用SQL语句进行查询、统计。因此，结构化数据适合于决策支持、精确查找和分析，适用于决策科学、政务、金融、保险等领域；而非结构化数据更适用于搜索引擎、推荐系统、数据挖掘、图像识别、图像处理等领域。 在中国，由于
本文转载自: https://blog.csdn.net/universsky2015/article/details/133286869
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。