大数据入门（一）

大数据主要要解决：海量数据的采集，存储，分析计算问题。

大数据的特点：大量（数据量大），高速（数据量的累积越来越快），多样（结构化数据和非结构化数据），低价值密度（有用的数据与总的数据量成反比）

大数据的应用场景：1、抖音基于大数据推荐你喜欢的视频

                                2、电商网站你买了一个东西后，给你推荐的周边

                                3、物流仓储：京东物流的上午下单，下午送达，或者次日达。

                                4、金融：我们用的花呗，你的额度评审。（基于你的存款，人脉，身份认证等信息）

hadoop主要解决的是：海量数据的存储以及海量数据的分析计算问题。

hadoop的主要优势：

        1、高可靠性：hadoop底层维护多个数据副本，所以某个计算元或者存储出现故障，也不会导致数据的丢失。

        2、高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

        3、高效性：hadoop是并行工作的，以加快任务的处理速度。

        4、高容错性：能够将故障节点的任务，重新分配。

hadoop 1.x ，2.x，3.x的区别：

HDFS架构概述：

 

YARN技术架构：

 MapReduce架构概述：

        1）Map阶段并行处理输入数据

        2）Reduce阶段对Map结果进行汇总

大数据技术生态体系:

 

图中涉及的技术名词解释如下：

1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；

3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统；

4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。

5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

6）Oozie：Oozie是一个管理Hadoop作业（job）的工作流程调度管理系统。

7）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。

8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

大数据推荐系统的应用示例架构图：

点点关注点点赞呀，持续发布有用的知识..................................