¿Qué es Hadoop?

Hadoop es un framework de código abierto, escrito en java con algo de código C y Shell Script, se utiliza para almacenar datos y realizar aplicaciones en clúster de hardware comercial, tiene la capacidad de ejecutar aplicaciones distribuidas y adaptables, facilita el almacenamiento masivo para cualquier tipo de datos, su poder de procesamiento es enorme y la amplitud de procesar trabajos o tareas concurrentes de forma virtualmente es ilimitada.

Tiene un poder de cómputo importante, cuantos más nodos de cómputo utiliza, el poder de procesamiento es mayor. En cuanto a la flexibilidad, podemos recalcar que, a diferencia de otras bases de datos, éste no tiene que procesar previamente los datos antes de ser almacenados, por tanto, puede almacenar tantos datos como quiera y decidir como desea utilizarlos más tarde.

Hadoop tiene un nivel de almacenamiento de bits y procesos de datos alto, tiene una alta confiabilidad, además de ser tolerante a fallos, su tecnología permite almacenar grandes cantidades de datos, y permite a su vez, recuperarlos de forma segura, siempre se cuenta con una copia disponible para que sea posible la recuperación de los datos en caso de que suceda algún fallo.

A continuación, veamos en los tres modos diferentes de como funciona Hadoop:

• Modo autónomo
• Modo pseudo – distribuido
• Modo distribuido

Modo Autónomo o local: Se ejecuta en un solo nodo en un único proceso java 

Modo pseudo – distribuido:  También es utilizado un solo nodo, por defecto está configurado para correr en modo no distribuido, pero cada Daemon se ejecuta en un proceso java diferente.

Modo distribuido: Este es le mas importante, ya que se utilizan clúster de varios nodos, cuando se va a montar Hadoop en producción se lo utiliza en modo distribuido, en cambio el pseudodistribuido se utiliza para desarrollo.