Hadoop知识点之Hadoop发展历程

一、Hadoop名字的起源

Hadoop这个名字不是一个缩写,它是一个虚构的名字。

该项目的创建者,Doug Cutting如此解释Hadoop:

这个名字是我孩子给一头吃饱了的棕黄色大象命名的。我的命名标准就是简短,容易发音和拼写,没有太多的意义,并且不会被用于别处。小孩子是这方面的高手。Googol就是由小孩命名的。

二、Hadoop发展史

  1. 2002年10月,Doug Cutting和Mike Cafarella创建了开源网页爬虫项目Nutch,Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题------如何解决数十亿网页的存储和索引问题。。

  2. 2003年10月,Google发表Google File System论文。

  3. 2004年7月,Doug Cutting和Mike Cafarella在Nutch中实现了类似GFS的功能,即后来HDFS的前身。

  4. 2004年10月,Google发表了MapReduce论文。

  5. 2005年2月,Mike Cafarella在Nutch中实现了MapReduce的最初版本。

  6. 2005年12月,开源搜索项目Nutch移植到新框架,使用MapReduce和NDFS在20个节点稳定运行。

  7. 2006年1月,Doug Cutting加入雅虎,Yahoo!提供一个专门的团队和资源将Hadoop发展成一个可在网络上运行的系统。

  8. 2006年2月,Apache Hadoop项目正式启动以支持MapReduce和HDFS的独立发展。

  9. 2006年3月,Yahoo!建设了第一个Hadoop集群用于开发。

  10. 2006年4月,第一个Apache Hadoop发布。

  11. 2006年11月,Google发表了Bigtable论文,激起了Hbase的创建。

  12. 2007年10月,第一个Hadoop用户组会议召开,社区贡献开始急剧上升。

  13. 2007年,百度开始使用Hadoop做离线处理。

  14. 2007年,中国移动开始在"大云"研究中使用Hadoop技术。

  15. 2008年,淘宝开始投入研究基于Hadoop的系统------云梯,并将其用于处理电子商务相关数据。

  16. 2008年1月,Hadoop成为Apache顶级项目。

  17. 2008年2月,Yahoo!运行了世界上最大的Hadoop应用,宣布其搜索引擎产品部署在一个拥有1万个内核的Hadoop集群上。

  18. 2008年4月,在900个节点上运行1TB排序测试集仅需209秒,成为世界最快。

  19. 2008年8月,第一个Hadoop商业化公司Cloudera成立。

  20. 2008年10月,研究集群每天装载10TB的数据。

  21. 2009 年3月,Cloudera推出世界上首个Hadoop发行版------CDH(Cloudera's Distribution including Apache Hadoop)平台,完全由开放源码软件组成。

  22. 2009年6月,Cloudera的工程师Tom White编写的《Hadoop权威指南》初版出版,后被誉为Hadoop圣经。

  23. 2009年7月 ,Hadoop Core项目更名为Hadoop Common;

  24. 2009年7月 ,MapReduce 和 Hadoop Distributed File System (HDFS) 成为Hadoop项目的独立子项目。

  25. 2009年8月,Hadoop创始人Doug Cutting加入Cloudera担任首席架构师。

  26. 2009年10月,首届Hadoop World大会在纽约召开。

  27. 2010年5月,IBM提供了基于Hadoop 的大数据分析软件------InfoSphere BigInsights,包括基础版和企业版。

  28. 2011年3月,Apache Hadoop获得Media Guardian Innovation Awards媒体卫报创新奖

  29. 2012年3月,企业必须的重要功能HDFS NameNode HA被加入Hadoop主版本。

  30. 2012年8月,另外一个重要的企业适用功能YARN成为Hadoop子项目。

  31. 2014年2月,Spark逐渐代替MapReduce成为Hadoop的缺省执行引擎,并成为Apache基金会顶级项目。

  32. 2017年12月,Release 3.0.0 generally available

相关推荐
字节跳动数据平台10 小时前
代码量减少 70%、GPU 利用率达 95%:火山引擎多模态数据湖如何释放模思智能的算法生产力
大数据
得物技术12 小时前
深入剖析Spark UI界面:参数与界面详解|得物技术
大数据·后端·spark
武子康13 小时前
大数据-238 离线数仓 - 广告业务 Hive分析实战:ADS 点击率、购买率与 Top100 排名避坑
大数据·后端·apache hive
武子康1 天前
大数据-237 离线数仓 - Hive 广告业务实战:ODS→DWD 事件解析、广告明细与转化分析落地
大数据·后端·apache hive
大大大大晴天2 天前
Flink生产问题排障-Kryo serializer scala extensions are not available
大数据·flink
武子康4 天前
大数据-236 离线数仓 - 会员指标验证、DataX 导出与广告业务 ODS/DWD/ADS 全流程
大数据·后端·apache hive
初次攀爬者4 天前
ZooKeeper 实现分布式锁的两种方式
分布式·后端·zookeeper
武子康5 天前
大数据-235 离线数仓 - 实战:Flume+HDFS+Hive 搭建 ODS/DWD/DWS/ADS 会员分析链路
大数据·后端·apache hive
DianSan_ERP5 天前
电商API接口全链路监控:构建坚不可摧的线上运维防线
大数据·运维·网络·人工智能·git·servlet
够快云库5 天前
能源行业非结构化数据治理实战:从数据沼泽到智能资产
大数据·人工智能·机器学习·企业文件安全