Hadoop以一种可靠、高效、可伸缩的方式进行数据处理，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。 主要解决海量数据存储与计算的问题，是大数据技术中的基石。
Hadoop 用途：
海量数据存储
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）来访问数据，适合那些有着超大数据集（large data set）的应用程序,它由n台运行着DataNode的机器组成和1台（另外一个standby）运行NameNode进程一起构成。每个DataNode 管理一部分数据，然后NameNode负责管理整个HDFS 集群的信息（存储元数据)。
资源管理，调度和分配
Apache Hadoop YARN（Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统和调度平台，可为上层应用提供统 一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。gendan5.com/tagslist/%E5%9B%BD%E9%99%85%E7%8E%B0%E8%B4%A7%E9%93%B6/
并行数据处理
MapReduce算法要求你可以并行化你的数据处理。MapReduce在变量逐个处理的情况下工作得很好（例如，计数或聚合）;但是，当您需要共同处理变量（例如，变量之间有许多相关性）时，此模型不起作用。
任何基于图形的数据处理（意味着依赖于其他数据的复杂数据网络）都不适合 Hadoop的标准方法。话虽如此，相关的Apache Tez框架确实允许使用基于图形的方法来处理数据，而不是更线性的MapReduce工作流程。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70014563/viewspace-2981915/ ，如需转载，请注明出处，否则将追究法律责任。
