Apache Hadoop

Z Wikipedie, otevřené encyklopedie
Skočit na: Navigace, Hledání
Apache Hadoop
Logo
Vývojář Apache Software Foundation
Aktuální verze 2.2 (15. říjen 2013)
Operační systém Multiplatformní software
Vyvíjeno v Java
Licence Apache License 2.0
Web Hadoop Apache
Video o Hadoop(anglicky)

Hadoop je framework obsahující sadu open-source softwarových komponent určených pro zpracování velkého množství nestrukturovaných a distribuovaných dat v řádech petabytů a exabytů.[1]

Principy Hadoop[editovat | editovat zdroj]

Podstata spočívá v uložení dat na velkém množství samostatných počítačů.[2] Může jít o běžný hardware a tak je uložení těchto dat levnější než ukládání na specializovaném hardware s vysokou dostupností. Pro uložení je potom použit distribuovaný souborový systém. Jeden takový systém nabízí přímo Hadoop. Je to systém HDFS, což je zkratka z anglického názvu Hadoop Distributed File System.[2] Zpracování potom probíhá tak, že je úloha rozdělena a zpracovávána paralelně na více uzlech. Jde tedy vlastně o distribuovaný výpočet. Konečný výsledek je zjištěn výpočtem z dílčích výsledků. Jde o tak zvaný princip MapReduce, kde Map je rozdělení úlohy a Reduce je spojení výsledků. Samotný výpočet je tak posunut z velké části k datům, čímž je značně redukována potřeba přenosu velkých objemů dat po síti.

Vývoj Hadoop a jeho derivátů[editovat | editovat zdroj]

Hadoop je rozvíjen v rámci open source software. V jeho vývoji se angažuje organizace Apache Software Foundation. [3] Volné komponenty Hadoop jsou dostupné na stránkách hadoop.apache.org. Na bázi Hadoop jsou postavena mnohá komerčně dodávaná řešení [4] pro big data.

Apache Hadoop[editovat | editovat zdroj]

Aktuální verze Hadoop (2012) pracuje na 4000 uzlech clusterů. Nová verze, která je v zatím v alfa stádiu, by měla být vydána do konce roku a přináší rozšíření na 6000 uzlů. Pro uzel se počítá 16 (a více) jader a 10000 paralelních úkolů. V nové verzi je vylepšen HDFS (Hadoop Distributed File System [5]). MapReduce, což je modul řešící distribuované zpracování,[6] byl vylepšen a přepsán na verzi Yarn a slibuje zdvojnásobení propustnosti dat ve velkých skupinách. [3] Pro novou verzi je také plánována kompatibilita s protokolem Wire.

Významní uživatelé[editovat | editovat zdroj]

Reference [7]

Odkazy[editovat | editovat zdroj]

Reference[editovat | editovat zdroj]

  1. DOLÁK, Ondřej. Big data [online]. [cit. 2012-11-30]. Dostupné online. (anglicky) 
  2. a b Web hadoop.appache.org
  3. a b ŠVERÁK, Petr. Apache vydává novou verzi Hadoop [online]. 3.3.2012, [cit. 2012-11-30]. Dostupné online. (anglicky) 
  4. InfoSphere BigInsights (Bringing the power of Hadoop to the enterprise)
  5. HDFS User Guide
  6. The Hadoop Distributed File System: Architecture and Design
  7. Applikace a organizace používající Hadoop
  8. Apple Embraces Hadoop [online]. [cit. 2011-04-14]. Dostupné online. (anglicky) 
  9. Building a terabyte-scale data cycle at LinkedIn with Hadoop and Project Voldemort [online]. [cit. 2011-04-14]. Dostupné online. (anglicky) 
  10. Microsoft Expands Data Platform With SQL Server 2012, New Investments for Managing Any Data, Any Size, Anywhere [online]. [cit. 2011-10-13]. Dostupné online. (anglicky) 
  11. Use Case Study of Hive/Hadoop [online]. [cit. 2011-04-14]. Dostupné online. (anglicky) 
  12. SAP UNVEILS UNIFIED STRATEGY FOR REAL-TIME DATA MANAGEMENT TO GROW DATABASE MARKET LEADERSHIP [online]. SAP America, [cit. 2012-06-09]. Dostupné online. (anglicky) 
  13. SAS® access to Hadoop links leading analytics, big data [online]. . Dostupné online. (anglicky) 
  14. HBase at StumbleUpon [online]. [cit. 2010-06-26]. Dostupné online. (anglicky) 

Literatura[editovat | editovat zdroj]

  • White, T.: Hadoop: The Definitive Guide, O'Reilly Media, Incorporated, 2009, ISBN 9780596521974
  • Lam, Ch.: Hadoop in Action, O'Reilly Media, 2010, ISBN 1935182196, 9781935182191, 312 stran

Související články[editovat | editovat zdroj]

Externí odkazy[editovat | editovat zdroj]