hadoop是很多元件的集合，主要包括但不限於mapreduce，hdfs，hbase，zookeeper。mapreduce模仿了google mapreduce，hdfs模仿了google file system，hbase模仿了google bigtable，zookeeper或多或少模仿了google chubby（沒有前3個出名），所以下文就只提mapreduce、hdfs、hbase、zookeeper吧。
簡單來講，
gfs是分布式檔案系統，bigtable 是建立在gfs之上的。就像檔案系統需要資料庫來儲存結構化資料一樣，gfs也需要bigtable來儲存結構化資料，每個table都是乙個多維的稀疏圖，為了管理巨大的table，把table根據行分割，這些分割後的資料統稱為：tablets。每個tablets大概有 100-200 mb，每個機器儲存100個左右的 tablets。底層的架構是：gfs。由於gfs是一種分布式的檔案系統，採用tablets的機制後，可以獲得很好的負載均衡。比如：可以把經常響應的表移動到其他空閒機器上，然後快速重建。
既然如此，那在gfs之上，還可以有其他的類似bigtable的資料庫了？
不談原理，從性質上來說，gfs是不是相當與ntfs，bigtable就是sqlsever?
相比較而言，
所以，hadoop和storm都是分布式環境下的計算平台，不過前者依賴外存，適應批處理情形，後者依賴記憶體，適應實時處理、超低延遲、無需大量儲存資料情形。前類出現的時間較早（03年gfs的**），後類出現的時間較晚（10年yahoo! s4的**）。我不大贊同「storm改進了hadoop的缺點」的說法——這種說法有點像「輪船改進了汽車的哪些缺點」——因為它們本身即不太同類。storm和hadoop有很多相似也有很多區別，適用的場景是不一樣的，主要取決於使用者自己的需求。
*上面很多敘述方法是為了讀者的更好理解，不盡完全準確，比如hbase是有記憶體緩衝機制的，並非只依賴外存，再比如nimbus實質上是某個節點上的守護程序，而非節點本身。
最終，關於這幾者各自具體是什麼，我的建議是讀下列**：
和storm的主頁：
nathanmarz/storm · github
中wiki的rational頁。
1、針對標題問題。bigtable是有部分關係模型支援的，更像是表，底層儲存是gfs。與mapreduce的關係就跟gfs與mapreduce的關係沒啥區別吧。 2、針對內容問題，沒有仔細看storm，但是從大致個人了解來說，storm是乙個為支援實時計算的框架。而hadoop是更適用於…
顯示全部
1、針對標題問題。bigtable是有部分關係模型支援的，更像是表，底層儲存是gfs。與mapreduce的關係就跟gfs與mapreduce的關係沒啥區別吧。
2、針對內容問題，沒有仔細看storm，但是從大致個人了解來說，storm是乙個為支援實時計算的框架。而hadoop是更適用於批量計算。不太同類，沒啥好比較的吧。
至於 mapreduce，則是 google 提出的一種分布式開發模型，可以簡單理解為演算法
分布式資料庫
網路選課系統中分布式資料庫設計 何翠雙王巧雲張麗麗 摘要 關鍵字 選課 分布式 資料庫 distributed system of on line course choosing abstract key words course choosing distributed database 隨著學校...
分布式資料庫
1 背景 我們知道資料是乙個公司的命脈，隨著業務越做越大，資料量也會越來越大，計算也會越來越複雜，效能，可靠性，可擴充套件性的需求就會越來越強烈，這個時候乙個集中式的資料庫顯然已經滿足不了需求了。對於技術決策者來說有兩條路可以走，第一 按照現有的大型資料庫的解決方案，比如sql server clu...
分布式資料庫
一 分布式資料庫的出現的場景 網際網路 軟體國產化 o2o 五新 新零售 新製造，新金融 新資源 新技術 等主題接連提出來，並且在各個行業落地，給資料庫帶來了巨大機會，具體包含3個方向 1.遠超單機資料庫容量的資料儲存和訪問峰值 2.實時資料分析檢索 oltp兼顧olap 3.更高階別的容災需求。這...