概念：Hadoop是一个由Apache基金会所开发的分布式系统基础架构，是用Java写的，是一个开源的分布式计算平台。一开始，“Hadoop”这个单词只代表了两个组件——HDFS和MapReduce，现在已经从传统的Hadoop三驾马车HDFS，MapReduce和HBase社区发展为60多个相关组件组成的庞大生态。
分布式计算：就是将大量的数据分割成多个小块，由多台计算机分工计算，然后将结果汇总，这些执行分布式计算的计算机叫做集群。
中国科学院的定义：在两个或多个软件互相共享信息，这些软件既可以在同一台计算机上运行，也可以在通过网络连接起来的多台计算机上运行。
分布式计算比起其它算法具有以下几个优点：
1、稀有资源可以共享。
2、通过分布式计算可以在多台计算机上平衡计算负载。
3、可以把程序放在最适合运行它的计算机上。
Hadoop具体架构：
1. 底层：存储层-文件系统：HDFS、HBase…
2. 中间层：资源及数据管理层：YARN、Sentry…
3. 上层：计算引擎：MapReduce、Impala、Spark
Hadoop在底层共用一份HDFS存储，上层有很多个组件分别服务多种应用场景：
• 确定性数据分析：主要是简单的数据统计任务，例如OLAP，关注快速响 应，实现组件有Impala等；
• 探索性数据分析：主要是信息关联性发现任务，例如搜索，关注非结构化全量信息收集，实现组件有Search等；
• 预测性数据分析：主要是机器学习类任务，例如逻辑回归等，关注计算模型的先进性和计算能力，实现组件有Spark、MapReduce等；
• 数据处理及转化：主要是ETL类任务，例如数据管道等，关注IO吞吐率和可靠性，实现组件有MapReduce等
顶层：
基于MapReduce、Spark等计算引擎的高级封装及工具，如Hive、Pig…
参考阅读：
https://www.cnblogs.com/shijiaoyun/p/5778025.html
https://blog.csdn.net/weixin_42685589/article/details/81144591
