大数据学习之路

大数据从入门到入土

　　语言基础：java(Java se,javaweb)

　　Linux 基础：Linux(shell,高并发架构,lucene,solr)

　　框架学习：Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)

　　机器学习(R,mahout)

　　Storm(Storm,kafka,redis)

　　Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)

　　Python(python,spark python)

　　云计算平台(docker,kvm,openstack)

　　名词解释

　　对于小白学习大数据须要注意的点有不少，但不管如何，既然你选择了进入大数据行业，那么便只顾风雨兼程。正所谓不忘初心、方得始终，学习大数据你最须要的仍是一颗锲而不舍的心。

　　1、Linux

　　lucene： 全文检索引擎的架构

　　solr： 基于lucene的全文搜索服务器，实现了可配置、可扩展并对查询性能进行了优化，而且提供了一个完善的功能管理界面。

　　今天为你们整理了部分大数据学习教程与你们共享，每一个人能够根据本身的须要来选择，须要的小伙伴能够+下学习资料分享裙 943加上064最后是644数字连起来就是了。

　　2、Hadoop

　　HDFS： 分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存储数据。

　　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。

　　2、Cloudera

　　Cloudera Manager： 管理 监控 诊断 集成

　　Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop作了相应的改变，发行版本称为CDH。

　　Cloudera Flume： 日志收集系统，支持在日志系统中定制各种数据发送方，用来收集数据。

　　Cloudera Impala： 对存储在Apache Hadoop的HDFS，HBase的数据提供直接查询互动的SQL。

　　Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供全部CDH组件的shell界面的接口，能够在hue编写mr。

　　3、机器学习/R

　　R： 用于统计分析、绘图的语言和操做环境，目前有Hadoop-R

　　mahout： 提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等，且可经过Hadoop扩展到云中。

　　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 Python： 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: 一种面向对象的、解释型计算机程序设计语言。

　　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

　　以上就是我的关于大数据的学习心得和路线推荐。本片文章对大数据技术栈作了比较狭义的限定，随着学习的深刻，你们也能够把 Python 语言、推荐系统、机器学习等逐步加入到本身的大数据技术栈中。