hadoop学习系列(1.大数据典型特性与分布式开发难点)

第一天

1.大数据典型特性与分布式开发难点

1.大数据典型特性与分布式开发难点

1.大数据典型特性

没有大数据据技术之前，我就以抽样统计为例（统计一个城市的男女人口比例），我们的做法是不是找个人多的地方，随机抽取一部分人，统计出男女比例，作为城市的男女人口比例，这样的误差非常大，数据量越大，统计出来的结果越准确。这样我们就要先解决这么大数据量的存储问题，（这个例子不能体现出数据类型繁多），接下来是不是要解决数据计算的问题，总不能人工一个一个数吧，大数据技术就能为我们解决这些问题。

传统RDBMS 的瓶颈，关系型数据的特点是各个数据项之间有一定的关系，这个在设计数据库的设计阶段必须设计好，但是当今需求中，我们往往分析的数据之间没有关系，例如我们在设计一个推荐系统的时候，要分析客户的行为，客户的行为数据之间就没有相应的关系，结构化数据和非结构化数据共存使数据多样化。

海量的数据，这么大的数据量，我们还要处理的非常快。这对技术是很大的挑战。这就是大数据的特性

多：这里的多就是海量数据,我们要解决海量数据的存储问题

繁：结构化，非结构化，半结构化数据的共存

快：这么大的数据量，这么繁多的不同类型的数据，还要处理的快，不然就会成为系统的瓶颈。

我们的最终目的是挖掘出有用的，有价值的数据。

2.大数据的能做什么？

3.一个数据平台的工作（完整的平台）

3.1离线

-》批量计算

3.2 实时

-》流式计算

-》在线分析

3.3数据共享

4.数据平台指标

-》设备台数：5000台

-》总存储数量：100PB+

-》日新增数量：200TB+，月数据增长比率10%

-》有多个数据产品

-》存储表10w+

-》日均运行JOB数

-》日均计算量5PB+

5.分布式开发的难点

-》平台搭建

-》分布式

-》同步，一致性（配置（会搭建很多框架），时间（微妙误差））

-》自动化部署管理平台

-》cloudera 发布的hadoop版本 CDH

-》cloudera manager,简称：CM

-》框架是开源的 不可靠

所以很多公司都是以开源框架为基础，开发自己的框架，例如：淘宝的 TFS文件系统

任务调度框架oozie，淘宝自己的框架 宙斯 。

-》成本的问题

由于集群用到的机器比较廉价，所以会出现节点故障，我们必须有相应的容错机制，保证集群的健壮性。

6.学习大数据的基础：

自己学习的随笔，在组织存在问题，不喜勿说