第1章
Hadoop概述与大数据环境准备

主要内容：

❖　大数据概念。

❖　Hadoop简介。

❖　虚拟机的安装与配置。

❖　Linux的操作系统的安装。

❖　SSH（Secure Shell）。

本章首先介绍大数据的基础知识，然后对Hadoop框架进行详细介绍，最后讲解Hadoop平台集群搭建的准备工作。Hadoop是由Apache基金会开发的分布式系统基础架构，也是Apache软件基金会的顶级开源项目，它的logo如图1-1所示。Hadoop的作者为Doug Cutting，他也是Lucene、Nutch等项目的创始人。2004年，Cutting基于Google（谷歌）发布的关于GFS（Google File System）学术文献打造出了Hadoop。

Hadoop的特点在于用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。

Hadoop实现了一个分布式文件系统（Hadoop Distributed File System，简称HDFS）。HDFS有高容错性的特点，用来部署在低廉（low-cost）的硬件上，而且它提供高吞吐（high throughput）量来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了可移植操作系统接口的要求，可以以流的形式访问文件系统中的数据。

Hadoop框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce为海量的数据提供了计算。