Que es Hadoop

3.1.           ¿Qué es Hadoop?

Apache Hadoop es un framework de software que soporta aplicaciones distribuidas bajo una licencia libre. Permite a las aplicaciones trabajar con miles de nodos y petabytes de datos. Hadoop se inspiró en los documentos Google para MapReduce y Google File System (GFS). ( http://es.wikipedia.org/wiki/Hadoop)

3.2.           Usos

Hadoop  se utiliza no solo como almacenamiento básico en un sistema de archivos potente también para:

• Registro y/o análisis de fuentes de clics (clickstream) de varios tipos
• Analíticas de marketing
• Aprendizaje automático y/o extracción de datos sofisticados (data mining)
• Procesamiento de imágenes
• El tratamiento de mensajes XML
• Web de rastreo y/o procesamiento de textos
• Archivado general, incluidos los relacionales y datos tabulares.

Hadoop es actualmente utilizado por muchas empresas de la más variada índole como:  

• Yahoo! Search Webmap, resultados de búsqueda de Yahoo.
• Jaspersoft, la empresa creadora de la plataforma de inteligencia de negocio (BI) más extendida del mundo.
• Facebook Red social con millones de usuarios.
• Wal-Mart una de las mayores empresas de retail del mundo.
• Disney, GE y Nokia son otros ejemplos.

3.3.           Herramientas adicionales

Para instalar y poder manejar correctamente Hadoop primero instalaremos los siguientes programas:

3.3.1.1.                              Java SDK

Dado que la instalación de Java no es objeto del trabajo solo daremos las indicaciones esenciales para guiarse.

El software lo descargamos desde su web oficial: http://www.oracle.com/technetwork/es/java/javase/downloads/index.html

Una vez descargado procederemos a la instalación,

Nota: es importante tener en cuenta que hay que instalarlo en una ubicación diferente a la que se usa por defecto (“Program Files”) ya que los espacios en blanco de los directorios generarían problemas en el arranque de Hadoop. Para nuestro trabajo hemos realizado la instalación en “c:\”