听说，阿里大数据技术架构师终于把自己整理的java面试核心知识点框架篇文档给分享出来了？

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

**第4章ZooKeeper原理及应用；**ZooKeeper是一个分布式协调服务，其设计的初衷是为分布式软件提供一致性服务。ZooKeeper提供了一个类似Linux文件系统的树形结构，ZooKeeper的每个节点既可以是目录也可以是数据，同时，ZooKeeper提供了对每个节点的监控与通知机制。基于ZooKeeper的一致性服务，可以方便地实现分布式锁、分布式选举、服务发现和监控、配置中心等功能。

**第5章Kafka原理及应用；**Kafka是一种高吞吐、分布式、基于发布和订阅模型的消息系统，最初由LinkedIn公司开发，使用Scala编写，目前是Apache 的开源项目。Kafka用于离线和在线消息的消费。Kafka将消息数据按顺序保存在磁盘上，并在集群内以副本的形式存储以防止数据丢失。

Kafka依赖ZooKeeper进行集群的管理，Kafka 与Storm、Spark能够非常友好地集成，用于实时流式计算。

**第6章Hadoop原理及应用；**Hadoop是一个大数据解决方案，提供了一套分布式系统基础架构，核心内容包含HDFS ( Hadoop Distributed File System，分布式文件系统）、MapReduce计算引擎和YARN ( Yet Another Resource Negotiator，另一种资源协调者）统一资源管理调度。

其中，HDFS分为NameNode和DataNode，NameNode负责保存元数据的基本信息，DataNode负责具体数据的存储。MapReduce分为JobTracker和TaskTracker，JobTracker负责任务的分发，TaskTracker负责具体任务的执行。

Hadoop集群是Master/Slave (M/S）架构，NameNode和JobTracker运行在Master节点上，DataNode和 TaskTracker运行在Slave节点上。

**第7章HBase原理及应用；**HBase是一个开源的分布式Key-Value数据库，其主要作用是面向数十亿级数据的实时人库和快速随机访问。HBase底层存储基于HDFS实现，集群的管理基于ZooKeeper实现。HBase良好的分布式架构设计为海量数据的快速存储、随机访问提供了可能，基于数据副本机制和分区机制可以轻松实现在线扩容、缩容和数据容灾，是大数据领域中Key-Value数据结构存储最常用的数据库方案。

**第8章Cassandra原理及应用；**Cassandra是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，于2008年开源。Cassandra由于良好的可扩展性、高性能和PP去中心化的设计，迅速成为分布式存储中十分流行的数据存储方案。

**第9章ElasticSearch原理及应用；**ElasticSearch是一个分布式、基于RESTful风格的数据搜索和分析引擎，由Elastic公司开发并基于Apache许可条款发布源码。ElasticSearch的底层全文检索基于Lucene实现，其灵活的数据存取和分析方式、良好的性能和稳定性使其在大数据存储和分析领域被广泛使用。

**第10章Spark原理及应用；**Apache Spark是通用的分布式大数据计算引擎。Spark是UC Berkeley AMPLab（美国加州大学伯克利分校的AMP实验室）开源的通用并行框架。Spark拥有HadoopMapReduce所具有的优点，但不同于Hadoop MapReduce的是，Hadoop每次经过Job执行的中间结果都存储到HDFS等磁盘上，而Spark的Job中间输出结果可以保存在内存中，而不再需要读写HDFS。因为内存的读写速度与磁盘的读写速度不在一个数量级上，所以Spark利用内存中的数据能更快速地完成数据的处理。

Spark启用了弹性分布式数据集（Resilient Distributed Dataset，RDD)，除了能够提高交互式查询效率，还可以优化迭代器的工作负载。由于弹性分布式数据集的存在，使得数据挖掘与机器学习等需要迭代的MapReduce的算法更容易实现。

**第11章Flink原理及应用；**Flink是一个分布式计算引擎，主要用于有界数据流和无界数据流的有状态的数据分析和处理。Flink擅长处理有界数据流和无界数据流，其精确的时间控制和状态化使Flink能够安全并快速地处理海量数据。

Flink 将数据抽象为有界数据流和无界数据流。

Flink 由Job Manager、Task Manager和客户端组成。Job Manager是管理节点，负责集群任务的提交、分配和资源管理;Task Manager是具体执行任务的计算节点﹔客户端用于作业的提交。

这份【java面试核心知识点核心篇】共有399页，需要完整版的朋友，可以转发此文关注小编，扫码获取！！！

专家对本文的热评

========

Java程序员很大部分从事Web方向和大数据应用开发方向，对于后者来说，除了编程语言等基础知识，了解大数据组件也是一个重要的部分。本文涵盖了常用大数据组件的重要基础知识，对于相关从业人员是很好的读物。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

csdn.net/topics/618545628)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！