一、 什么是HADOOP
1. HADOOP是apache旗下的一套开源软件平台。
2. HADOOP提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理。
3. HADOOP的核心组件有
A. HDFS（分布式文件系统）
B. Yarn（运算资源调度系统）
C. MapReduce（分布式运算编程框架）
4. 广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈
二、 HADOOP产生背景
1. HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
2. 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
——分布式文件系统（GFS），可用于处理海量网页的存储。
——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。
2、HADOOP用于用户画像
3、HADOOP用于网站点击流日志数据挖掘
金融行业：个人征信分析
证券行业：投资模型分析
交通行业：车辆、路况监控分析
电信行业：用户上网行为分析
......
总之：hadoop并不会跟某种具体的行业或者某个具体的业务挂钩，它只是一种用来做海量数据分析处理的工具
1、 HADOOP就业整体情况
A. 大数据产业已纳入国家十三五规划
B. 各大城市都在进行智慧城市项目建设，而智慧城市的根基就是大数据综合平台
C. 互联网时代数据的种类，增长都呈现爆发式增长，各行业对数据的价值日益重视
D. 相对于传统JAVAEE技术领域来说，大数据领域的人才相对稀缺
E. 随着现代社会的发展，数据处理和数据挖掘的重要性只会增不会减，因此，大数据技术是一个尚在蓬勃发展且具有长远前景的领域
2、 HADOOP就业职位要求
大数据是个复合专业，包括应用开发、软件平台、算法、数据挖掘等，因此，大数据技术领域的就业选择是多样的，但就HADOOP而言，通常都需要具备以下技能或知识：
A. HADOOP分布式集群的平台搭建
B. HADOOP分布式文件系统HDFS的原理理解及使用
C. HADOOP分布式运算框架MAPREDUCE的原理理解及编程
D. HIVE数据仓库工具的熟练应用
E. Flume、sqoop、oozie等辅助工具的熟练使用
F. Shell/python等脚本语言的开发能力
HADOOP生态圈以及各组成部分的简介
重点各组件简介：
HADOOP（包含HDFS、MapReduce、Yarn）元老级大数据处理技术框架，擅长离线数据分析
HDFS：分布式文件系统
MapReduce：分布式运算程序开发框架
HIVE：基于大数据技术（文件系统 运算框架）的SQL数据仓库工具
HBASE：基于HADOOP的分布式海量数据库
ZOOKEEPER：分布式协调服务基础组件
Mahout：基于MapReduce/Spark/Flink等分布式运算框架的机器学习算法库
Oozie：工作流调度框架
Sqoop：数据导入导出工具
Flume：日志数据采集框架
每日一篇大数据优秀文章，助力大数据开发者成长！
作者：toto1297488504 来源：CSDN
,
