hadoop是做什么的？

hadoop是什么？是做什么的？

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。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，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）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（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的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则为海量的数据提供了计算。

Hadoop可以解决的问题：

海量数据的存储(HDFS:Hadoop Distributed File System)

(HDFS就是Hadoop分布式存储系统)

海量的数据分析(MapReduce)

(MapReduce就是分布式计算模型)

Hadoop作者受Google三篇论文的启发(GFS、MapReduce、BigTable)

Hadoop擅长日志分析，Facebook就是用Hive来进行日志分析，2009年时Facebook就有非编程人员的30��人来使用HiveQLib进行数据Fenix；淘宝搜索中的自定义筛选也使用的Hive；

利用Pig还可以做高级的数据处理，包括Twitter、Linkedln上用于发现您可能认识的人，可以实现类似Amazon.com的协同过滤的推荐效果，淘宝的商品推荐也是！

在Yahoo的40��Hadoop作业还是用pig运行的，包括垃圾邮件的识别和过滤，还有用户特征建模。

2012年8月25日更新的天猫推荐系统使用的是hive，少量使用mahout。但是现在淘宝的推荐系统都是storm来实现实时推荐。