发布时间 : 星期日 文章林子雨大数据技术原理与应用第二章课后题答案更新完毕开始阅读1d8636e1bbd528ea81c758f5f61fb7360a4c2b62
大数据第二章课后题答案
黎狸
1. 试述Hadoop和谷歌的MapReduce、GFS等技术之间的关系。
Hadoop是Apache软件基金会旗下的一-个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构。
① Hadoop 的核心是分布式文件系统( Hadoop Ditributed File
System,HDFS )和MapReduce。
② HDFS是对谷歌文件系统( Google File System, GFS )的开源实现，是面
向普通硬件环境的分布式文件系统，具有较高的读写速度、很好的容错性和可伸缩性，支持大规模数据的分布式存储，其冗余数据存储的方式很好地保证了数据的安全性。
③ MapReduce 是针对谷歌MapReduce的开源实现，允许用户在不了
解分布式系统底层细节的情况下开发并行应用程序,采用MapReduce 来整合分布式文件系统上的数据，可保证分析和处理数据的高效性。
2. 试述Hadoop具有哪些特性。
Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方面的特性。 ① 高可靠性。采用冗余数据存储方式，即使一个副本发生故障， 其他副本
也可以保证正常对外提供服务。
② 高效性。 作为并行分布式计算平台，Hadoop采用分布式存储和分布式
处理两大核心技术，能够高效地处理PB级数据。
③ 高可扩展性。 Hadoop的设计目标是可以高效稳定地运行在廉价的计算
机集群上，可以扩展到数以千计的计算机节点。
④ 高容错性。 采用冗余数据存储方式，自动保存数据的多个副本，并且能
够自动将失败的任务进行重新分配。
⑤ 成本低。 Hadoop采用廉价的计算机集群，成本比较低，普通用户也很
容易用自己的PC搭建Hadoop运行环境。
⑥ 运行在 Linux平台上。Hadoop是基于Java语言开发的，可以较好地
运行在Linux平台上。
⑦ 支持多种编程语言。 Hadoop 上的应用程序也可以使用其他语言编写，
如C++。
3. 试述Hadoop在各个领域的应用情况。 互联网领域是Hadoop应用的主要阵地。
① 雅虎将Hadoop主要用于支持广告系统与网页搜索。
② Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等
方面。
③ 淘宝Hadoop集群服务于阿里巴巴集团各部门，数据来源于各部门产品
的线上数据库( Oracle、MySQL)备份、系统日志以及爬虫数据，每天在Hadoop集群运行各种MapReduce任务,如数据魔方、量子统计、推荐系统、排行榜等。
④ 百度选择Hadoop主要用于日志的存储和统计、网页数据的分析和挖掘、
商业分析、在线数据反馈、网页聚类等。
4. 试述Hadoop的项目结构以及每个部分的具体功能。
Hadoop项目结构
Pig MapReduce Common Chukwa HDFS Hive Avro HBase Zookeeper
各部分具体功能：
① Common。Common为Hadoop其他子项目提供支持的常用工具，
主要包括文件系统、RPC（Remote Procedure Call）和串行化库。 ② Avro。Avro Avro是Hadoop的一一个子项目，也是Apache中的一
个独立项目。Avro是一个用于数据序列化的系统，提供了丰富的数据结构类型、快速可压缩的二进制数据格式、存储持久性数据的文件集、远程调用( Remote Procedure Call, RPC )的功能和简单的动态语言集成功能。Avro 可以将数据结构或对象转化成便于存储和传输的格式，节约数据存储空间和网络传输带宽, Hadoop的其他子项目(如HBase和Hive )的客户端与服务端之间的数据传输都采用了Avro。
③ HDFS。HDFS是针对GFS的开源实现。具有处理强大数据、流式处理、
可以运行在廉价的商用服务器上等优点。
④ HBase。HBase是针对谷歌的BigTable的开源实现。一般采用HDFS作
为其底层数据存储，基于列的存储，具有强大的非结构化数据存储能力。具有良好的横向扩展能力。
⑤ MapReduce。MapReduce是一种编程模型，用于大规模数据集（大
于1TB）的并行运算。允许用户在不了解分布式系统底层细节的情况下开发并行应用程序，并将其运行于廉价计算机集群上，完成海量数据的处理。
⑥ Zookeeper。Zookeeper是针对谷歌Chubby的-一个开源实现，是高
效和可靠的协同工作系统，提供分布式锁之类的基本服务( 如统一命名服务、 状态同步服务、集群管理、分布式应用配置项的管理等),用于构建分布式应用，减轻分布式应用程序所承担的协调任务。
⑦ Hive。Hive是一个基于Hadoop的数据仓库工具，可以用于对Hadoop
文件中的数据集进行数据整理、特殊查询和分析存储，十分适合数据仓库的统计分析。
⑧ Pig。Pig是一种数据流语言和运行环境，适合于使用Hadoop和
MapReduce平台来查询大型半结构化数据集。Pig大大简化了Hadoop常见的工作任务，它在MapReduce的基础上创建了更简单的过程语言抽象，为Hadoop应用程序提供了一种更加接近结构化查询语言(SQL)的接口。
⑨ Sqoop。Sqoop可以改进数据的互操作性，主要用来在Hadoop 和关
系数据库之间交换数据。通过Sqoop，可以方便地将数据从MySQL、Oracle 、PostgreSQL 等关系数据库中导人Hadoop (可以导人HDFS、HBase或Hive),或者将数据从Hadoop导出到关系数据库，使得传统关系数据库和Hadoop之间的数据迁移变得非常方便。
⑩ Chukwa。Chukwa是一个开源的、用于监控大型分布式系统的数据收
集系统，可以将各种类型的数据收集成适合Hadoop处理的文件，并保存在HDFS中供Hadoop进行各种MapReduce操作。
5. 路径JAVA_ HOME是在哪一个配置文件中进行设置的? 在安装Hadoop的文件夹下的“conf”目录下配置。
6. 所有节点的HDFS路径是通过fs.default.name来设置的，请问它是在哪个