了解大数据，才能更好地学习大数据

大数据的话题近几年是越来越火了，马云曾说：21世纪的竞争是数据的竞争，谁掌握数据，谁就掌握未来！多么痛的领悟。大数据是一个很庞大的只是体系，学习的过程很枯燥，需要大量的练习、记忆、思考，我也没想着在十天半个月给大家分享完它，因为我没这个能力，但是只要坚持，付出和回报总是成正比的。

大数据是什么

大数据 = 编程技巧 + 数据结构和算法 + 分析能力 + 数据库技能 + 数学 + 机器学习 + NLP + OS + 密码学 + 并行编程

不要看他涵盖的领域非常多，我们作为一个普通人，只要学懂并精于某一个模块，就足以有自己的立身之地。

学习可分为以几个阶段：

阶段一：java基础

java是目前使用最为广泛的编程语言，它具有的众多特性，特别适合作为大数据应用的开发语言。如果您有一定的java基础，可以忽略此步，如果您没有接触过编程语言，也不要太担心，可以从网站 W3C 上一步一步来，也可以在网上找到一些比较好的博客，重要的是要有恒心，想想迎娶白富美，走向人生巅峰，这点苦是个啥。

 

下面给出java我们到底学什么：

1、Java编程语言（新版）
2、Java进阶之设计模式
3、J2SE核心开发实战
4、JDK 核心 API
5、JDBC 入门教程
6、java 8 新特性指南

阶段二：linux基础

在学习之前需要先掌握基本的数据库知识。比如 MySQL、MongoDB、Redis，关于这些的学习，W3C值得你信赖。大家访问一下就知道了，千万不要爱的不能自拔。

 

下面给出linux我们到底学什么：

1、Linux 基础入门（新版）
2、Vim编辑器
3、Git 实战教程
4、MySQL 基础课程
5、MongoDB 基础教程
6、Redis基础教程

阶段三：Scala基础

还是那句话，W3C值得你信赖，千万不要爱的不能自拔。（PS：说实话，这一部分我现在还在学习的初级阶段，如果有哪位大佬看到这篇分享，可以好好指点我一下，先在此谢过）

 

下面给出scala我们到底学什么:

1、Scala 开发教程
2、Scala 专题教程 - Case Class和模式匹配
3、Scala 专题教程 - 隐式变换和隐式参数
4、Scala 专题教程 - 抽象成员
5、Scala 专题教程 - Extractor

阶段四：Hadoop技术模块

Hadoop 是一款支持数据密集型分布式应用并以 Apache 2.0 许可协议发布的开源软件框架，它能搭建大型数据仓库，PB 级别数据的存储、处理、分析、统计等业务。编程语言你可以选，但 Hadoop 一定是大数据必学内容。要学习hadoop,我们首先的了解一下他的生态系统有哪些，先从整体上把控他，当然要记得W3C哦！

 

下面给出hadoop我们到底学什么：

1、Hadoop入门进阶课程 
2、Hadoop部署及管理 
3、HBASE 教程 
4、Hadoop 分布式文件系统--导入和导出数据 
5、使用 Flume 收集数据

想要在大数据这个领域汲取养分，让自己壮大成长。分享方向，行动以前先分享下一个大数据交流分享资源群8700///97548，欢迎想学习，想转行的，进阶中你加入学习。
 

 

 

java(Java se,javaweb)

Linux(shell,高并发架构,lucene,solr)

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

 

一、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，并且提供了一个完善的功能管理界面。

二、Hadoop

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

yarn： 可以理解为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 可以用SQL查询，可以运行Map/Reduce程序。用来计算趋势或者网站日志，不应用于实时查询，需要很长时间返回结果。

HBase： 数据库。非常适合用来做大数据的实时查询。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。用来做推荐挖掘，聚集，分类，频繁项集挖掘。

Chukwa： 开源收集系统，监视大型分布式系统，建立在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。

二、Cloudera

Cloudera Manager： 管理 监控 诊断 集成

Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop做了相应的改变，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类数据发送方，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提供所有CDH组件的shell界面的接口，可以在hue编写mr。

三、机器学习/R

R： 用于统计分析、绘图的语言和操作环境，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，且可通过Hadoop扩展到云中。

四、storm

Storm： 分布式，容错的实时流式计算系统，可以用作实时分析，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，可以处理消费者规模的网站中的所有动作流数据（浏览，搜索等）。相对Hadoop的日志数据和离线分析，可以实现实时处理。目前通过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。

五、Spark

Scala： 一种类似java的完全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所有的计算程序的ATLAS艺术的实现，使其非常快。

Spark： Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从而不需要读写HDFS，因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作，用过Mesos的第三方集群框架可以支持此行为。

Spark SQL： 作为Apache Spark大数据框架的一部分,可用于结构化数据处理并可以执行类似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是常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下降优化基础算法。MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。

Spark GraphX： GraphX是Spark中用于图和图并行计算的API，可以在Spark之上提供一站式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。

Fortran： 最早出现的计算机高级程序设计语言，广泛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常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，但是为了推广和兼容，提供了java和python接口。

六、Python

Python: 一种面向对象的、解释型计算机程序设计语言。

七、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

好了，先分享大数据学习的这四个阶段，如果真的想学习的大佬，就做好被折磨的准备，然后征服它，驾驭它。