آشنایی با Hadoop

‫با‬ ‫آشنایی‬Hadoop
‫رضایی‬‫ناصر‬
nasser.rezaei.novin@gmail.com

‫مقدمه‬
•‫کنیم‬ ‫می‬ ‫زندگی‬ ‫اطالعات‬‫عصر‬ ‫در‬ ‫ما‬.
•‫سال‬ ‫تا‬ ‫شود‬ ‫می‬ ‫بینی‬ ‫پیش‬2020‫به‬ ‫الکترونیکی‬ ‫صورت‬ ‫به‬ ‫شده‬ ‫ذخیره‬ ‫اطالعات‬ ‫ان‬‫ز‬‫می‬44‫زتابایت‬(‫زتابایت‬‫هر‬
1027
‫ابایت‬‫ر‬‫ت‬ ‫میلیارد‬ ‫یک‬ ‫یا‬ ‫بایت‬)‫برسد‬.
•Facebook‫میزبان‬240‫ماه‬‫هر‬ ‫که‬ ‫است‬‫تصویر‬ ‫میلیارد‬7‫پتابایت‬(7‫ابایت‬‫ر‬‫ت‬ ‫هزار‬)‫کند‬ ‫می‬ ‫پیدا‬ ‫افزایش‬.
•‫اینترنت‬ ‫آرشیو‬
1
‫حدود‬18.5‫است‬ ‫کرده‬ ‫سازی‬ ‫ذخیره‬ ‫را‬ ‫اطالعات‬ ‫پتابایت‬.
•Hadoop‫توسط‬ ‫که‬Apache‫است‬ ‫شده‬ ‫توزیع‬ ‫پردازش‬‫بر‬ ‫مبتنی‬ ‫سیستمی‬ ‫است‬ ‫شده‬ ‫سازی‬ ‫پیاده‬.
1
www.archive.org

‫ها‬ ‫داده‬ ‫تحلیل‬ ‫و‬ ‫سازی‬ ‫ذخیره‬
•‫ک‬ ‫رشد‬ ‫نرخ‬ ‫ها‬ ‫هارددیسک‬ ‫سازی‬ ‫ذخیره‬ ‫فضای‬ ‫افزایش‬ ‫به‬ ‫نسبت‬ ‫ها‬ ‫هارددیسک‬ ‫خواندن‬ ‫سرعت‬ ‫افزایش‬‫متری‬
‫است‬ ‫داشته‬.
•‫است‬ ‫شده‬‫بیشتر‬ ‫بسیار‬ ‫گذشته‬ ‫نسبت‬ ‫به‬ ‫دیسک‬ ‫اطالعات‬ ‫تمام‬ ‫خواندن‬ ‫ای‬‫ر‬‫ب‬ ‫نیاز‬ ‫مورد‬ ‫زمان‬ ‫امروزه‬.‫حدود‬ ‫از‬5‫سال‬ ‫در‬ ‫دقیقه‬1990‫تا‬2.5‫ای‬‫ر‬‫ب‬ ‫ساعت‬
‫امروزی‬ ‫معمولی‬ ‫های‬ ‫هاردیسک‬.
•‫است‬ ‫نوشتن‬ ‫و‬ ‫خواندن‬ ‫سرعت‬ ‫افزایش‬ ‫ای‬‫ر‬‫ب‬ ‫همزمان‬ ‫صورت‬ ‫به‬ ‫دیسک‬ ‫چند‬ ‫از‬ ‫استفاده‬ ‫شده‬ ‫ارائه‬ ‫راهکار‬.

‫همزمان‬ ‫خواندن‬ ‫چالش‬ ‫دو‬
•1-‫اری‬‫ز‬‫اف‬ ‫سخت‬ ‫نقص‬
•‫کند‬ ‫می‬ ‫پیدا‬ ‫افزایش‬‫نیز‬ ‫افزاری‬ ‫سخت‬ ‫نقص‬ ‫احتمال‬ ‫استفاده‬ ‫مورد‬ ‫افزارهای‬ ‫سخت‬ ‫تعداد‬ ‫افزایش‬ ‫با‬.
•‫های‬ ‫دیسک‬ ‫به‬ ‫شبیه‬ ‫چیزی‬ ،‫تعمدی‬ ‫افزونگی‬ ‫همان‬ ‫یا‬ ‫ها‬ ‫داده‬ ‫از‬ ‫کپی‬ ‫چند‬ ‫از‬ ‫استفاده‬ ‫شده‬ ‫ارائه‬ ‫حل‬ ‫راه‬RAID‫است‬.
•Hadoop‫از‬HDFS
1
‫کند‬ ‫می‬ ‫استفاده‬.
•2-‫شوند‬ ‫ادغام‬‫یکدیگر‬ ‫با‬ ‫طریقی‬ ‫به‬ ‫ها‬ ‫داده‬ ‫که‬ ‫آنند‬ ‫نیازمند‬ ‫تحلیلی‬ ‫های‬ ‫پردازش‬ ‫اغلب‬
•MapReduce‫محاسب‬ ‫به‬ ‫دیسک‬ ‫روی‬ ‫نوشتن‬ ‫و‬ ‫خواندن‬ ‫های‬ ‫عملیات‬ ‫از‬ ‫را‬ ‫مساله‬ ‫این‬ ‫که‬ ‫کند‬ ‫می‬ ‫استفاده‬ ‫انتزاعی‬ ‫مدل‬ ‫از‬‫ه‬
‫کلید‬ ‫از‬ ‫ای‬ ‫مجموعه‬-‫کند‬ ‫می‬ ‫تبدیل‬ ‫ها‬ ‫مقدار‬.MapReduce‫تشکیل‬ ‫شوند‬ ‫می‬ ‫ا‬‫ر‬‫اج‬ ‫هم‬ ‫دنبال‬ ‫به‬ ‫موارد‬‫اکثر‬ ‫در‬ ‫که‬ ‫عملیات‬ ‫دو‬ ‫از‬
‫است‬ ‫شده‬:Map‫و‬Reduce.
1
Hadoop Distributed FileSystem

‫ای‬ ‫دسته‬ ‫پردازش‬
•MapReduce‫کند‬ ‫می‬ ‫استفاده‬ ‫ای‬ ‫دسته‬ ‫پردازش‬ ‫مدل‬ ‫از‬.‫تمام‬ ‫روی‬ ‫را‬ ‫جو‬ ‫و‬ ‫پرس‬ ‫یک‬dataset‫و‬ ‫دهد‬ ‫می‬ ‫انجام‬
‫رسد‬ ‫می‬ ‫نتیجه‬ ‫به‬ ‫قبولی‬ ‫قابل‬ ‫زمان‬ ‫در‬.
•‫پردازش‬ ‫ای‬ ‫دسته‬ ‫ذات‬ ‫دلیل‬ ‫به‬MapReduce‫نیست‬ ‫مناسب‬ ‫ای‬ ‫محاوره‬ ‫های‬ ‫کاربرد‬ ‫ای‬‫ر‬‫ب‬ ،.

‫توسعه‬Hadoop
•‫آفالین‬ ‫دلیل‬ ‫به‬(‫ای‬ ‫محاوره‬‫غیر‬)‫بودن‬Hadoop‫توسط‬ ‫زیادی‬ ‫های‬ ‫توسعه‬ ،Apache‫آن‬ ‫روی‬ ‫ها‬ ‫سازمان‬‫سایر‬ ‫و‬
‫است‬ ‫شده‬ ‫انجام‬.
•‫دیتابیس‬HBase‫کند‬ ‫می‬ ‫اهم‬‫ر‬‫ف‬ ‫را‬ ‫آنالین‬ ‫دستیابی‬ ‫که‬.‫کلید‬ ‫مدل‬ ‫از‬-‫دا‬ ‫سازی‬ ‫ذخیره‬ ‫ای‬‫ر‬‫ب‬ ‫که‬ ‫کند‬ ‫می‬ ‫استفاده‬ ‫مقدار‬‫از‬ ‫ها‬ ‫ده‬
HDFS‫کند‬ ‫می‬ ‫استفاده‬.HBase‫برد‬ ‫می‬ ‫بهره‬ ‫ای‬ ‫دسته‬ ‫پردازش‬ ‫از‬ ‫هم‬ ‫و‬ ‫ها‬ ‫رکورد‬ ‫به‬ ‫آنالین‬ ‫دستیابی‬ ‫از‬ ‫هم‬.
•YARN
1
:‫کالستر‬ ‫روی‬ ‫ا‬‫ر‬‫اج‬ ‫امکان‬ ‫شده‬ ‫توزیع‬ ‫های‬ ‫افزار‬ ‫نرم‬ ‫به‬ ‫که‬ ‫است‬‫کالستر‬ ‫مدیریت‬ ‫سیستم‬Hadoop‫دهد‬ ‫می‬ ‫را‬.
1
Yet Another Resource Negotiator

‫با‬ ‫شده‬ ‫سازگار‬ ‫پردازشی‬ ‫الگوهای‬Hadoop
•SQL‫ای‬ ‫محاوره‬
•‫توزیع‬ ‫با‬MapReduce‫فعال‬ ‫اختصاصی‬ ‫جوی‬ ‫و‬ ‫جست‬ ‫موتور‬ ‫از‬ ‫استفاده‬ ‫و‬(‫مثل‬Impla)‫از‬ ‫استفاده‬ ‫یا‬Hive‫روی‬Tez.
•‫ای‬ ‫محاوره‬ ‫پردازش‬
•‫اند‬ ‫شونده‬ ‫ار‬‫ر‬‫تک‬ ‫ذاتا‬ ‫ماشینی‬ ‫یادگیری‬ ‫های‬ ‫الگوریتم‬ ‫مانند‬ ‫ها‬ ‫الگوریتم‬ ‫از‬ ‫خیلی‬.‫صو‬ ‫در‬ ‫ها‬ ‫آن‬ ‫کارایی‬ ‫این‬‫ر‬‫بناب‬‫دسته‬‫هر‬ ‫که‬ ‫رتی‬
‫کند‬ ‫می‬ ‫پیدا‬ ‫گیری‬ ‫چشم‬ ‫افزایش‬ ،‫بگیرد‬ ‫ار‬‫ر‬‫ق‬ ‫حافظه‬ ‫در‬ ‫نیاز‬ ‫مورد‬ ‫داده‬.Spark‫کند‬ ‫می‬ ‫اهم‬‫ر‬‫ف‬ ‫را‬ ‫قابلیت‬ ‫این‬.
•‫جریانی‬ ‫پردازش‬
1
‫مثل‬ ‫جریانی‬ ‫های‬ ‫سیستم‬Storm‫و‬Spark Streaming‫و‬Samza‫کنند‬ ‫می‬ ‫اهم‬‫ر‬‫ف‬ ‫را‬ ‫بالدرنگ‬ ‫شده‬ ‫توزیع‬ ‫محاسبات‬ ‫امکان‬ ،.
•‫جو‬ ‫و‬ ‫جست‬
•‫جوی‬ ‫و‬ ‫جست‬ ‫پلتفرم‬Solr‫کالستر‬ ‫یک‬ ‫روی‬ ‫تواند‬ ‫می‬Hadoop‫شود‬ ‫ا‬‫ر‬‫اج‬.
1
Stream Processing

‫و‬ ‫ای‬ ‫رابطه‬ ‫داده‬ ‫پایگاه‬MapReduce
1
Atomicity, Consistency, Isolation, Durability
MapReduce ‫پایگاه‬‫ای‬ ‫رابطه‬ ‫داده‬
‫پتابایت‬ ‫چند‬ ‫گیگابایت‬ ‫چند‬ ‫اندازه‬‫داده‬
‫دسته‬‫ای‬ ‫محاوره‬‫ای‬ ‫دسته‬ ‫و‬ ‫ای‬ ‫دستیابی‬
،‫بار‬ ‫یک‬ ‫نوشتن‬‫تعدا‬ ‫به‬ ‫خواندن‬‫زیاد‬ ‫د‬ ‫زیاد‬ ‫تعداد‬ ‫به‬ ‫نوشتن‬ ‫و‬ ‫خواندن‬ ‫رسانی‬ ‫بروز‬
‫محدودیت‬ ‫بدون‬ ACID
1
‫ها‬ ‫اکنش‬‫ر‬‫ت‬
‫قالب‬‫خواندن‬ ‫هنگام‬ ‫بندی‬ ‫بندی‬ ‫قالب‬‫نوشتن‬ ‫هنگام‬ ‫ساختار‬
‫کم‬ ‫زیاد‬ ‫جامعیت‬
‫خطی‬ ‫غیر‬‫خطی‬ ‫اندازه‬‫تغییر‬
‫های‬ ‫سیستم‬Hadoop‫مثل‬Hive‫ان‬ ‫رفته‬ ‫پیش‬ ‫شدن‬ ‫ای‬ ‫محاوره‬ ‫سمت‬ ‫به‬‫بیشتر‬ ‫ها‬ ‫اکنش‬‫ر‬‫ت‬ ‫و‬ ‫ایندکس‬ ‫افزودن‬ ‫با‬‫د‬.

‫افزونگی‬ ‫و‬ ‫یافتگی‬ ‫ساختار‬
•‫یافته‬ ‫ساخت‬ ‫های‬ ‫داده‬‫مثل‬XML‫حوزه‬ ‫در‬ ‫هستند‬ ‫ای‬ ‫شده‬ ‫تعیین‬ ‫پیش‬ ‫از‬ ‫قالب‬ ‫دارای‬ ‫که‬RDBMS‫می‬ ‫ار‬‫ر‬‫ق‬
‫ند‬‫ر‬‫گی‬.
•‫یافته‬ ‫ساخت‬ ‫نیم‬ ‫های‬ ‫داده‬‫ن‬ ‫قدرتمند‬ ‫ها‬ ‫ساختار‬ ‫روی‬ ‫محدودیت‬ ‫اما‬ ‫باشند‬ ‫ساختاری‬ ‫دارای‬ ‫است‬ ‫ممکن‬‫یست‬
‫ها‬ ‫گسترده‬ ‫صفحه‬ ‫مثل‬.
•‫ساختار‬ ‫بدون‬ ‫های‬ ‫داده‬‫تصاویر‬ ‫یا‬ ‫ساده‬ ‫متنی‬ ‫های‬ ‫فایل‬ ‫مثل‬.
•Hadoop‫برخالف‬ ‫و‬ ‫کند‬ ‫می‬ ‫مدیریت‬ ‫را‬ ‫ساختار‬ ‫بدون‬ ‫و‬ ‫یافته‬ ‫ساخت‬ ‫نیم‬ ‫های‬ ‫داده‬ ‫خوبی‬ ‫به‬RDBMS‫روی‬ ‫سنگینی‬ ‫بارگذاری‬
‫ندارد‬ ‫ها‬ ‫داده‬.
•‫شود‬ ‫می‬ ‫رعایت‬ ‫ها‬ ‫داده‬ ‫پایگاه‬ ‫افزونگی‬ ‫حذف‬ ‫و‬ ‫کردن‬ ‫کم‬ ‫در‬ ‫معموال‬ ‫سازی‬ ‫نرمال‬.‫در‬ ‫که‬ ‫صورتی‬ ‫در‬Hadoop
‫آوریم‬ ‫می‬ ‫پدید‬ ‫عامدانه‬ ‫افزونگی‬ ،‫ها‬ ‫داده‬ ‫سریع‬ ‫خواندن‬ ‫و‬ ‫محلی‬‫غیر‬ ‫دسترسی‬ ‫از‬ ‫جلوگیری‬ ‫ای‬‫ر‬‫ب‬.
•‫در‬Hadoop‫کند‬ ‫می‬ ‫پیدا‬ ‫افزایش‬ ‫خطی‬ ‫صورت‬ ‫به‬ ‫ها‬ ‫آن‬ ‫پردازش‬ ‫و‬ ‫ها‬ ‫داده‬.‫ای‬‫ر‬‫ب‬ ‫که‬ ‫صورتی‬ ‫در‬SQL‫خطی‬‫غیر‬
‫است‬.

‫منابع‬
• White, Tom. Hadoop: The definitive guide, 4th edition. " O'Reilly Media, Inc.", 2015.

آشنایی با Hadoop

More Related Content

Similar to آشنایی با Hadoop (20)

آشنایی با Hadoop