큰 데이터 트리거 어떻게 둡이 멀리 제한?

스토리지 기술 성장 하 고 성숙 근처 상품 수를 시작 했다 많은 데이터 센터에. 그러나 오늘날의 기업,, 얼굴 변화 저장 기술 한 예제와 함께 문제의 번호는 대용량 데이터 분석, 큰 데이터 집합에 비즈니스 인텔리전스 BI 기능을가지고 이동에 대 한 추진.

프로세스 짧은 전형적인 스토리지 패러다임 전형적인 스토리지 패러다임을 넘어 다음과 같은 기능을 필요로 하는 대용량 데이터 분석, San, Nas와 같은 전통적인 스토리지 기술 및 큰 데이터, 테라바이트 및 구조화 되지 않은 정보 페타바이트의 도전으로 로컬로 처리할 수 없는 다른 스토리지 기술 또한, 성공 http://www.aliyun.com/zixun/aggregation/14294.html ">의 더 많은 것 들을 새로운 방법 즉, 대용량 데이터를 처리 하는 새로운 스토리지 플랫폼을 필요로 하는 큰 데이터 분석."

하 둡은 대용량 데이터를 처리 하기 위한 플랫폼을 제공 하는 오픈 소스 프로젝트. 비록 Hadoop 거기 지금 몇 시간 동안, 많은 기업 Hadoop을 사용 하 여 시작 합니다.

Hadoop 플랫폼은 그 믹스 복잡 하 고, 구조화, 구조적 정보를 테이블에 저장에 적합 하지 않습니다 특히 대규모 데이터에 의해 발생 하는 문제를 해결 하기 위해 설계 되었습니다. Hadoop 깊이 지원 하 고 클러스터링 및 위치와 같은 광범위 한 분석을 계산 해야 하는 경우에 잘 작동 합니다. 그래서 Hadoop 뜻 큰 데이터를 최대한 활용 하고자 하는 IT 전문가 위한? 간단한 대답은 Hadoop 큰 데이터와 관련 된 가장 일반적인 문제 해결: 효율적인 스토리지 및 데이터의 엄청난 금액에 대 한 액세스.

Hadoop의 본질적인 디자인 사이의 모든 메모리를 공유 하지 않는 컴퓨터의 많은 수 및 디스크 작업 수 있는 플랫폼으로 실행할 수 있습니다. 이 염두에서에 두고, Hadoop 부가 가치-네트워크 관리자 수 단순히 많은 상용 서버를 구매, 선반에 넣어을 각 서버에서 Hadoop 소프트웨어를 실행을 제공 하는 방법을 볼 수 쉽습니다.

또한, Hadoop 큰 데이터 세트와 관련 된 관리 오버 헤드를 줄일 수 있습니다. 작업에서 엔터프라이즈의 데이터는 Hadoop 플랫폼에 로드 되 면 소프트웨어 데이터 관리 가능한 조각으로 분해 고 자동으로 다른 서버에 데이터를 할당 합니다. 데이터의 자연 분산된 특성 단일 서버에서 데이터에 액세스할 수 있음을 의미 합니다. Hadoop 추적 데이터 있으며 여러 저장소 복제본을 생성 하 여이 정보를 추가로 보호 합니다. 이 방법으로 시스템의 확장성은 향상: 서버 오프 라인 상태 이거나 실패를 하는 경우 데이터 자동으로 알려진된 정상 복사를 복제할 수 있습니다.

어떻게 Hadoop 멀리 이동 합니까?

Hadoop 더 여러 단계에서 데이터를 처리합니다. 예를 들어 제한의 전통적인 협회, 중앙 집중식된 데이터베이스 시스템 서버 수준 다중 프로세서 시스템에 연결 된 큰 디스크 드라이브 포함할 수 있습니다. 이 경우에, 디스크 성능 제약으로 데이터 분석은 제한 하 고, 궁극적으로, 구매 될 수 있습니다. 있는 프로세서의 수 있습니다.

Hadoop 배포 Hadoop 클러스터에 배포 하는 데이터의 기능을 전파를 통해 데이터의 처리에 각 서버는 클러스터에 참여할 수 있습니다. 즉, 인덱스 작업 클러스터에서 각 서버에 코드를 보냅니다 그리고 각 서버 데이터의 그것의 자신의 조각에 작동 하는 다음 다음 처리 결과 전체적으로 전달 됩니다. Hadoop, 프로세스 MapReduce, 간주 됩니다 하 고 MapReduce에 코드와 프로세스는 모든 서버에 매핑된 결과 단일 데이터 집합을 줄일 수 있습니다.

Hadoop은이 과정 때문에 방대한 양의 데이터를 처리할 수 있습니다. 하 둡 데이터를 전파 하 고 복잡 한 컴퓨팅 문제를 처리 하기 위해 모든 사용 가능한 클러스터 프로세서와 병렬로 작업할 수 있습니다.

(책임 편집기: 유산의 좋은)