什么是大数据？

　　舆情忻州4月12日消息 随着云时代的来临，大数据也吸引了越来越多的关注。

　　1、什么是大数据?

　　基本概念

　　在互联网技术发展到现今阶段，大量日常、工作等事务产生的数据都已经信息化，人类产生的数据量相比以前有了爆炸式的增长，以前的传统的数据处理技术已经无法胜任，需求催生技术，一套用来处理海量数据的软件工具应运而生，这就是大数据!

　　换个角度说，大数据是：

　　1、有海量的数据

　　2、有对海量数据进行挖掘的需求

　　3、有对海量数据进行挖掘的软件工具(hadoop、spark、storm、flink、tez、impala......)

　　大数据在现实生活中的具体应用

　　电商推荐系统：基于海量的浏览行为、购物行为数据，进行大量的算法模型的运算，得出各类推荐结论，以供电商网站页面来为用户进行商品推荐。

　　精准广告推送系统：基于海量的互联网用户的各类数据，统计分析，进行用户画像(得到用户的各种属性标签)，然后可以为广告主进行有针对性的精准的广告投放。

　　2、那什么是hadoop呢?

　　hadoop中有3个核心组件：

　　分布式文件系统：HDFS—— 实现将文件分布式存储在很多的服务器上

　　分布式运算编程框架：MAPREDUCE—— 实现在很多机器上分布式并行运算

　　分布式资源调度平台：YARN—— 帮用户调度大量的mapreduce程序，并合理分配运算资源

　　3、最后来说一下hdfs整体运行机制

　　hdfs：分布式文件系统

　　hdfs有着文件系统共同的特征：

　　1、有目录结构，顶层目录是： /

　　2、系统中存放的就是文件

　　3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

　　hdfs跟普通的单机文件系统有区别：

　　1、单机文件系统中存放的文件，是在一台机器的操作系统中

　　2、hdfs的文件系统会横跨N多的机器

　　3、单机文件系统中存放的文件，是在一台机器的磁盘上

　　4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中(hdfs是一个基于linux本地文件系统之上的文件系统)

　　hdfs的工作机制：

　　1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中(负责存储文件块的角色：data node)<准确来说：切块的行为是由客户端决定的>

　　2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器(负责记录块信息的角色是：name node)

　　3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本(到底存几个副本，是由当时存入该文件的客户端指定的)

　　综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成!

责任编辑：韩乐豪