大数据学习，涉及的知识点

大数据技术都包括哪些，如何学习大数据技术。首先咱们要了解Java语言和Linux操做系统，这两个是学习大数据的基础，学习的顺序不分先后。

Java：只要了解一些基础便可，作大数据不须要很深的Java技术，即便不懂Java也能够学习大数据。

Linux：由于大数据相关软件都是在Linux上运行的，因此Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩不少坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对之后新出的大数据技术学习起来更快。

好说完基础了，再说说还须要学习哪些大数据技术，能够按我写的顺序学下去。

Hadoop：这是如今流行的大数据处理平台几乎已经成为大数据的代名词，因此这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像咱们电脑的硬盘同样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特色就是无论多大的数据只要给它时间它就能把数据跑完，可是时间可能不是很快因此它叫数据的批处理。

想要在大数据这个领域汲取营养，让本身壮大成长。分享方向，行动之前先分享下一个大数据交流分享资源群870097548，欢迎想学习，想转行的，进阶中你加入学习。

 

记住学到这里能够做为你学大数据的一个节点。

Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，之后的Hbase也会用到它。它通常用来存放一些相互协做的信息，这些信息比较小通常不会超过1M，都是使用它的软件对它有依赖，对于咱们我的来说只须要把它安装正确，让它正常的run起来就能够了。

Mysql：咱们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，由于一会装hive的时候要用到，mysql须要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，建立数据库。这里主要的是学习SQL的语法，由于hive的语法和这个很是类似。

Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。固然你也能够不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是同样的，固然生产环境中使用要注意Mysql的压力。

Hive：这个东西对于会SQL语法的来讲就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那?它和Pig差很少掌握一个就能够了。

Oozie：既然学会Hive了，我相信你必定须要这个东西，它能够帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你必定会喜欢上它的，否则你看着那一大堆脚本，和密密麻麻的crond是否是有种想屎的感受。

Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的而且key是惟一的，因此它能用来作数据的排重，它与MYSQL相比能存储的数据量大不少。因此他常被用于大数据处理完成以后的存储目的地。

Kafka：这是个比较好用的队列工具，队列是干嘛的?排队买票你知道不?数据多了一样也须要排队处理，这样与你协做的其它同窗不会叫起来，你干嘛给我这么多的数据(好比好几百G的文件)我怎么处理得过来，你别怪他由于他不是搞大数据的，你能够跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了立刻灰流流的去优化他的程序去了，由于处理不过来就是他的事情。而不是你给的问题。固然咱们也能够利用这个工具来作线上实时数据的入库或入HDFS，这时你能够与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各类数据接受方(好比Kafka)的。

Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特色是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合作迭代运算，因此算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala均可以操做它，由于它们都是用JVM的。