hadoop資料庫
Ⅰ hadoop是資料庫技術嗎
Hadoop不是資料庫技術。Hadoop是一個由Apache基金會所開發的分布式系統基礎架構。
用戶可以在不了解分布式底層細節的情況下，開發分布式程序。充分利用集群的威力進行高速運算和存儲。
Hadoop實現了一個分布式文件系統（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬體上；而且它提供高吞吐量（high throughput）來訪問應用程序的數據，適合那些有著超大數據集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）文件系統中的數據。
Hadoop的框架最核心的設計就是：HDFS和MapRece。HDFS為海量的數據提供了存儲，則MapRece為海量的數據提供了計算。
Ⅱ hadoop是做什麼的
提供海量數據存儲和計算的，需要java語言基礎。
Hadoop實現了一個分布式文件系統（Hadoop Distributed File System），簡稱HDFS。有高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬體上；而且它提供高吞吐量來訪問應用程序的數據，適合那些有著超大數據集（large data set）的應用程序。
特點
1、快照支持在一個特定時間存儲一個數據拷貝，快照可以將失效的集群回滾到之前一個正常的時間點上。HDFS已經支持元數據快照。
2、HDFS的設計是用於支持大文件的。運行在HDFS上的程序也是用於處理大數據集的。這些程序僅寫一次數據，一次或多次讀數據請求，並且這些讀操作要求滿足流式傳輸速度。
HDFS支持文件的一次寫多次讀操作。HDFS中典型的塊大小是64MB，一個HDFS文件可以被切分成多個64MB大小的塊，如果需要，每一個塊可以分布在不同的數據節點上。
3、階段狀態：一個客戶端創建一個文件的請求並不會立即轉發到名位元組點。實際上，一開始HDFS客戶端將文件數據緩存在本地的臨時文件中。
Ⅲ hadoop可以使用什麼資料庫
框架本身提供一個DBInputFormat。支持Mysql和PostgreSQL（需要自己提供驅動jar包）。 需要使用其他資料庫可以自己實現相應的InputFormat；實現起來也不難參照DBInputFormat即可。只要將拼接的sql語句改成適用的語法即可。
Ⅳ Hadoop到底是干什麼用的
用途：將單機的工作任務進行分拆，變成協同工作的集群。用以解決日益增加的文件存儲量和數據量瓶頸。
通俗應用解釋：
比如計算一個100M的文本文件中的單詞的個數，這個文本文件有若干行，每行有若干個單詞，每行的單詞與單詞之間都是以空格鍵分開的。對於處理這種100M量級數據的計算任務，把這個100M的文件拷貝到自己的電腦上，然後寫個計算程序就能完成計算。
關鍵技術：
HDFS（Hadoop Distributed File System）：
既可以是Hadoop 集群的一部分，也可以是一個獨立的分布式文件系統，是開源免費的大數據處理文件存儲系統。
HDFS是Master和Slave的主從結構（是一種概念模型，將設備分為主設備和從設備，主設備負責分配工作並整合結果，或作為指令的來源；從設備負責完成工作，一般只能和主設備通信）。主要由Name-Node、Secondary NameNode、DataNode構成。
Name-Node：分布式文件系統中的管理者，主要負責管理文件系統的命名空間、集群配置信息和存儲塊的復制等
Secondary NameNode：輔助 NameNode，分擔其工作，緊急情況可以輔助恢復
DataNode：Slave節點，實際存儲數據、執行數據塊的讀寫並匯報存儲信息給NameNode
HDFS客戶端的存儲流程：當客戶需要寫數據時，先在NameNode 上創建文件結構並確定數據塊副本將要寫道哪幾個 datanode ，然後將多個代寫 DataNode 組成一個寫數據管道，保證寫入過程完整統一寫入。
讀取數據時則先通過 NameNode 找到存儲數據塊副本的所有 DataNode ，根據與讀取客戶端距離排序數據塊，然後取最近的。
Ⅳ hadoop和mysql區別
hadoop和mysql嚴格的來說沒有任何關系，區別為hadoop是一種分布式計算框架，用於處理大量的數據，而mysql是資料庫用來存放數據的。
但是一般來說，配合hadoop的資料庫不是mysql這類傳統的關系型資料庫，因為當數據量非常大的時候，這些資料庫的處理速度會非常慢（就算做了集群也一樣慢），取而代之的則是hbase這類非關系型資料庫，在大量數據處理過程中，處理速度會比較穩定。
2. hadoop跟mysql的區別是什麼？
舉個簡單的例子。mysql就是一個麻袋，裡面裝的是數據。而hadoop則是一種很強大的工具，它的作用就是去處理包括這些麻袋在內的大數據。
所以，實際上他倆是不存在直接關系的。
Ⅵ hadoop與傳統的關系型資料庫(如oracle)相比,有什麼優勢及劣勢
hadoop的hdfs支持海量數據量存儲 maprece支持對海量數據的分布式處理。
oracle雖然可以搭建集群，但是當數據量達到一定限度之後查詢處理速度會變得很慢，且對機器性能要求很高。
Ⅶ 試比較hadoop中的資料庫hbase和傳統關系資料庫的不同
答：主要體現在以下幾個方面：1.數據類型。關系資料庫採用關系模型，具有豐富的數據類型和儲存方式。HBase則採用了更加簡單的數據模型，它把數據儲存為未經解釋的字元串，用戶可以把不同格式的結構化數據和非結構化數據都序列化成字元串保存到HBase中，用戶需要自己編寫程序把字元串解析成不同的數據類型。
2.數據操作。關系資料庫中包含了豐富的操作，如插入、刪除、更新、查詢等，其中會涉及復雜的多表連接，通常是藉助多個表之間的主外鍵關聯來實現的。HBase操作則不存在復雜的表與表之間的關系，只有簡單的插入、查詢、刪除、清空等，因為HBase在設計上就避免了復雜的表與表之間的關系，通常只採用單表的主鍵查詢，所以它無法實現像關系資料庫中那樣的表與表之間的連接操作。
3.存儲模式。關系資料庫是基於行模式存儲的，元祖或行會被連續地存儲在磁碟頁中。在讀取數據時，需要順序掃描每個元組，然後從中篩選出查詢所需要的屬性。如果每個元組只有少量屬性的值對於查詢是有用的，那麼基於行模式存儲就會浪費許多磁碟空間和內存帶寬。HBase是基於列存儲的，每個列族都由幾個文件保存，不同列族的文件是分離的，它的優點是：可以降低I/O開銷，支持大量並發用戶查詢，因為僅需要處理可以回答這些查詢的列，而不是處理與查詢無關的大量數據行；同一個列族中的數據會被一起進行壓縮，由於同一列族內的數據相似度較高，因此可以獲得較高的數據壓縮比。
4.數據索引。關系資料庫通常可以針對不同列構建復雜的多個索引，以提高數據訪問性能。與關系資料庫不同的是，HBase只有一個索引——行鍵，通過巧妙的設計，HBase中所有訪問方法，或者通過行鍵訪問，或者通過行鍵掃描，從而使整個系統不會慢下來。由於HBase位於Hadoop框架之上，因此可以使用Hadoop MapRece來快速、高效地生成索引表。
6.數據維護。在關系資料庫中，更新操作會用最新的當前值去替換記錄中原來的舊值，舊值被覆蓋後就不會存在。而在HBase中執行更新操作時，並不會刪除數據舊的版本，而是生成一個新的版本，舊有的版本仍舊保留。
7.可伸縮性。關系資料庫很難實現橫向擴展，縱向擴展的空間也比較有限。相反，HBase和BigTable這些分布式資料庫就是為了實現靈活的水平擴展而開發的，因此能夠輕易地通過在集群中增加或者減少硬體數量來實現性能的伸縮。
但是，相對於關系資料庫來說，HBase也有自身的局限性，如HBase不支持事務，因此無法實現跨行的原子性。
註：本來也想來問這個問題，然後復制一下的。結果找不到，只好自己手打了，麻煩復制拿去用的同學點下贊唄。
2019.3.27-16:40
Ⅷ hadoop是什麼意思與大數據有什麼關系
一、hadoop是什麼意思？
Hadoop是具體的開源框架，是工具，用來做海量數據的存儲和計算的。
二、hadoop與大數據的關系
首先，大數據本身涉及到一個龐大的技術體系，從學科的角度來看，涉及到數學、統計學和計算機三大學科，同時還涉及到社會學、經濟學、醫學等學科，所以大數據本身的知識量還是非常大的。
從當前大數據領域的產業鏈來看，大數據領域涉及到數據採集、數據存儲、數據分析和數據應用等環節，不同的環節需要採用不同的技術，但是這些環節往往都要依賴於大數據平台，而Hadoop則是當前比較流行的大數據平台之一。
Hadoop平台經過多年的發展已經形成了一個比較完善的生態體系，而且由於Hadoop平台是開源的，所以很多商用的大數據平台也是基於Hadoop搭建的，所以對於初學大數據的技術人員來說，從Hadoop開始學起是不錯的選擇。
當前Hadoop平台的功能正在不斷得到完善，不僅涉及到數據存儲，同時也涉及到數據分析和數據應用，所以對於當前大數據應用開發人員來說，整體的知識結構往往都是圍繞大數據平台來組織的。隨著大數據平台逐漸開始落地到傳統行業領域，大數據技術人員對於大數據平台的依賴程度會越來越高。
當前從事大數據開發的崗位可以分為兩大類，一類是大數據平台開發，這一類崗位往往是研發級崗位，不僅崗位附加值比較高，未來的發展空間也比較大，但是大數據平台開發對於從業者的要求比較高，當前有不少研究生在畢業後會從事大數據平台開發崗位。
另一類是大數據應用開發崗位，這類崗位的工作任務就是基於大數據平台(Hadoop等)來進行行業應用開發，在工業互聯網時代，大數據應用開發崗位的數量還是比較多的，而且大數據應用開發崗位對於從業者的要求也相對比較低。