查看“大数据系统”的源代码

=分布式系统=

信息技术是指电子、计算机与网络的相关技术，涉及信息的存储，传输与处理的内容。

信息系统（Information system）就是涉及信息的存储，传输与处理的软硬件设备。

大数据系统是实现大数据存储、管理、处理和服务的分布式信息系统。

[https://www.distributed-systems.net Distributed Systems]

#M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007.

==信息系统的设计原则==
基本原则：<big>信息系统的软硬件的组织方式，如计算、存储、通信之间的模式，应该和信息系统的功用相适应</big>。 类似于政治经济学中的“经济基础与上层建筑”。

设计问题：集中式与分布式？

==信息系统的设计思路==
大数据系统设计的基本思路：

#单台机器能力有限，需要多机系统；（并行性）
#数据要分布在不同机器上，之间需要网络通信；（扩展性）
#单台机器容易出现故障，系统要能容错；（可靠性）
#用户程序在多台机器上运行，编程要简单。（易用性）

大数据的存储/管理/处理

#Hadoop项目集成了大数据存储与处理技术
#Spark项目是目前最热门的大数据平台

=分布式存储与并行处理系统=

==分布式文件系统==
运行在由很多机器组成的集群上的文件系统；

所有文件都做了冗余备份，存放在不同的机器上；

机器的随机宕机，不会导致文件系统的可用性问题；

===谷歌文件系统GFS===

;;;每台机器分配不同角色，称为Master和Slave

Master负责存储文件的元数据和在slave中的具体位置

Slave负责存储文件的具体内容，以块为单位，每块64MB

研究论文：
# Sanjay Ghemawat, Howard Gobioff, and Shun-Tak Leung. "The Google file system." SOSP 2003.

== 并行处理 MapReduce框架 ==
Map/Reduce编程模型 (Abstraction)和实现框架。

用户只要编写 Map()和 Reduce()函数。

Map/Reduce编程框架(programming framework)能够自动将MapReduce程序分配到集群上运行，并汇总运行结果

研究论文：
# Jeffrey Dean and Sanjay Ghemawat, MapReduce: Simplified Data Processing on Large Clusters, OSDI 2004.

= Hadoop =

Hadoop分布式文件系统HDFS（Hadoop Distributed File System)，是谷歌文件系统GFS的一个开源实现。

每台机器分配不同角色，称为Namenode和Datanode

Namenode负责存储文件的元数据和在datanode中的具体位置

Datanode负责存储文件的具体内容，以块为单位

* [http://hadoop.apache.org Hadoop]

= Spark =

==BDAS (Berkeley Data Analytics Stack)==

BDAS 是加州大学伯克利分校推出的大数据处理框架。BDAS以Spark软件为核心，结合其他处理软件，组成一套解决方案。

以databricks公司为主。

http://www.databricks.com

* [http://spark.apache.org Spark]

# Zaharia, Matei, et al. "Spark: cluster computing with working sets.“ Proceedings of the 2nd USENIX conference on Hot topics in cloud computing. Vol. 10. 2010.

= Druid =


== RADStack（Real-time Analytics Data Stack）==

RADS以Druid为核心，构建大数据实时解析系统。如事件大数据的可视化的创业公司Imply。

http://www.imply.io


大数据解析

* [http://druid.io Druid]

#Yang, Fangjin, et al. "Druid: a real-time analytical data store." SIGMOD 2014.
#Yang, Fangjin, et al. "The RADStack: Open source lambda architecture for interactive analytics." Proceedings of the 50th Hawaii International Conference on System Sciences. 2017.

=参考材料=