Hadoop je framework obsahující sadu opensource softwarových komponent určených pro zpracování velkého množství nestrukturovaných a distribuovaných dat v řádech petabytů a exabytů.[1]
Principy Hadoopu
Podstata spočívá v uložení dat na velkém množství samostatných počítačů.[2] Může jít o běžný hardware a tak je uložení těchto dat levnější než ukládání na specializovaném hardwaru s vysokou dostupností. Pro uložení je potom použit distribuovaný souborový systém. Jeden takový systém nabízí přímo Hadoop. Je to systém HDFS, což je zkratka z anglického názvu Hadoop Distributed File System.[2] Zpracování potom probíhá tak, že je úloha rozdělena a zpracovávána paralelně na více uzlech. Jde tedy vlastně o distribuovaný výpočet. Konečný výsledek je zjištěn výpočtem z dílčích výsledků. Jde o tak zvaný princip MapReduce, kde Map je rozdělení úlohy a Reduce je spojení výsledků. Samotný výpočet je tak posunut z velké části k datům, čímž je značně redukována potřeba přenosu velkých objemů dat po síti.
Vývoj Hadoopu a jeho derivátů
Hadoop je rozvíjen v rámci opensource softwaru. V jeho vývoji se angažuje organizace Apache Software Foundation.
[3]
Volné komponenty Hadoopu jsou dostupné na stránkách hadoop.apache.org.
Na bázi Hadoopu jsou postavena mnohá komerčně dodávaná řešení [4] pro big data.
Apache Hadoop
Aktuální verze Hadoopu v roce 2012 mohla pracovat na 4000 uzlech clusterů. Pro uzel se počítalo 16 (a více) jader a 10000 paralelních úkolů.
Vydání významných verzí
22. březen 2017: Release 2.8.0. Pro produkční nasazení je doporučeno počkat na verze 2.8.1/2.8.2
25. leden 2017: Release 3.0.0-alpha2
8. říjen 2016: Release 2.6.5
25. srpen 2016: Release 2.7.3
21. duben 2015: Release 2.7.0 (nejde o stabilní verzi pro produkční nasazení)
18. listopad 2014: Release 2.6.0 (nejde o stabilní verzi pro produkční nasazení)
15. říjen 2013: Release 2.2.0 release s tzv. General availability obsahující významná rozšíření:
↑ŠVERÁK, Petr. Apache vydává novou verzi Hadoop [online]. 3.3.2012 [cit. 2012-11-30]. Dostupné online.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑ Applikace a organizace používající Hadoop. wiki.apache.org [online]. [cit. 2012-11-30]. Dostupné v archivu pořízeném dne 2012-11-29.
↑Apple Embraces Hadoop [online]. [cit. 2011-04-14]. Dostupné v archivu pořízeném z originálu dne 2011-02-28.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑Building a terabyte-scale data cycle at LinkedIn with Hadoop and Project Voldemort [online]. [cit. 2011-04-14]. Dostupné v archivu pořízeném dne 2011-01-27.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑Microsoft Expands Data Platform With SQL Server 2012, New Investments for Managing Any Data, Any Size, Anywhere [online]. [cit. 2011-10-13]. Dostupné online.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑Use Case Study of Hive/Hadoop [online]. [cit. 2011-04-14]. Dostupné online.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑SAP UNVEILS UNIFIED STRATEGY FOR REAL-TIME DATA MANAGEMENT TO GROW DATABASE MARKET LEADERSHIP [online]. SAP America [cit. 2012-06-09]. Dostupné online.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑SAS® access to Hadoop links leading analytics, big data [online]. [cit. 2012-11-30]. Dostupné v archivu pořízeném dne 2012-12-01.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
↑HBase at StumbleUpon [online]. [cit. 2010-06-26]. Dostupné v archivu pořízeném dne 2010-08-13.Je zde použita šablona {{Cite web}} označená jako k „pouze dočasnému použití“.
Literatura
White, T.: Hadoop: The Definitive Guide, O'Reilly Media, Incorporated, 2009, ISBN9780596521974
