大数据学习计划

 

大数据学习计划

模块	选定学习资料	预计用时
Linux	http://www.runoob.com/linux/linux-tutorial.html	7天
Hadoop	https://www.w3cschool.cn/hadoop/	30天
ZooKeeper	https://www.w3cschool.cn/zookeeper/	3天
Kafka	https://www.w3cschool.cn/apache_kafka/	3天
Spark	https://www.w3cschool.cn/spark/	30天
Python	https://www.w3cschool.cn/python3/	30天
Docker	https://www.w3cschool.cn/reqsgr/	3天

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1、Java编程技术

Java编程技术是大数据学习的基础，Java是一种强类型语言，拥有极高的跨平台能力，能够编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等，是大数据工程师最喜欢的编程工具，所以，想学好大数据，掌握Java基础是必不可少的。

 

2、Hadoop

HDFS： 分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存数数据。
yarn： 能够理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManager NodeManager。
MapReduce： 软件框架，编写程序。
Hive： 数据仓库 能够用SQL查询，能够运行Map/Reduce程序。用来计算趋势或者网站日志，不该用于实时查询，须要很长时间返回结果。
HBase： 数据库。很是适合用来作大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析
ZooKeeper： 针对大型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，active standby切换。
Sqoop： 数据库相互转移，关系型数据库和HDFS相互转移
Mahout： 可扩展的机器学习和数据挖掘库。用来作推荐挖掘，汇集，分类，频繁项集挖掘。
Chukwa： 开源收集系统，监视大型分布式系统，创建在HDFS和Map/Reduce框架之上。显示、监视、分析结果。
Ambari： 用于配置、管理和监视Hadoop集群，基于Web，界面友好。

 

3、Linux命令

对于大数据开发一般是在Linux环境下进行的，相比Linux操做系统，Windows操做系统是封闭的操做系统，开源的大数据软件很受限制，所以，想从事大数据开发相关工做，还需掌握Linux基础操做命令。

 

4、storm

Storm： 分布式，容错的实时流式计算系统，能够用做实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。
Kafka： 高吞吐量的分布式发布订阅消息系统，能够处理消费者规模的网站中的全部动做流数据（浏览，搜索等）。相对Hadoop的日志数据和离线分析，能够实现实时处理。目前经过Hadoop的并行加载机制来统一线上和离线的消息处理
Redis： 由c语言编写，支持网络、可基于内存亦可持久化的日志型、key-value型数据库。

 

5、Spark

Scala： 一种相似java的彻底面向对象的编程语言。
jblas：一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等全部的计算程序的ATLAS艺术的实现，使其很是快。
Spark： Spark是在Scala语言中实现的相似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具备的优势，但不一样于MapReduce的是job中间输出结果能够保存在内存中，从而不须要读写HDFS，所以Spark能更好的适用于数据挖掘与机器学习等须要迭代的MapReduce算法。能够和Hadoop文件系统并行运做，用过Mesos的第三方集群框架能够支持此行为。
Spark SQL： 做为Apache Spark大数据框架的一部分,可用于结构化数据处理并能够执行相似SQL的Spark数据查询
Spark Streaming： 一种构建在Spark上的实时计算框架，扩展了Spark处理大数据流式数据的能力。
Spark MLlib： MLlib是Spark是经常使用的机器学习算法的实现库，目前(2014.05)支持二元分类，回归，聚类以及协同过滤。同时也包括一个底层的梯度降低优化基础算法。MLlib以来jblas线性代数库，jblas自己以来远程的Fortran程序。
Spark GraphX： GraphX是Spark中用于图和图并行计算的API，能够在Spark之上提供一站式数据解决方案，能够方便且高效地完成图计算的一整套流水做业。
Fortran： 最先出现的计算机高级程序设计语言，普遍应用于科学和工程计算领域。
BLAS： 基础线性代数子程序库，拥有大量已经编写好的关于线性代数运算的程序。
LAPACK：著名的公开软件，包含了求解科学与工程计算中最多见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。
ATLAS： BLAS线性算法库的优化版本。
Spark： Spark是由scala语言编写的，可是为了推广和兼容，提供了java和python接口。

 

6、Python

Python是面向对象的编程语言，拥有丰富的库，使用简单，应用普遍，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，所以，大数据开发需学习必定的Python知识。
人生苦短，我用Python

 

7、云计算平台

Docker： 开源的应用容器引擎
kvm： (Keyboard Video Mouse)
openstack：  开源的云计算管理平台项目