【Hadoop】【第一章】认识大数据

Hadoop学习六个板块

1.入门
2.HDFS
3.MapReduce
4.Yarn
5.生产调优
6.Hadoop源码解析

---

Hadoop学习的版本 3.1.3

学习前置基础：

• JavaSE
• Maven
• IDEA
• Linux

1.大数据概念

无法在短时间内使用常规软件进行 捕获、管理、处理的数据集合；
庞大的数据集需要新的处理模式才能转变为信息资产，从而使得公司具备更强的决策力，洞察力、流程优化能力

海量、高增长率、多样化的信息资产

（1）数据量单位

bit byte KB MB GB TB PB EB ZB YB BB NB DB
大数据的处理范围：TB PB EB级别
大厂数据量 EB级别

（2）大数据要解决的问题

海量数据的 采集 、存储 、计算的问题

2.大数据特点

1.大量

人类所有印刷材料数据量约200PB
人类总共说过的话数据量大约5EB
个人计算机硬盘存储TB级别
大企业数据量能够达到EB级别

大量: 大数据的存储问题

2.高增长率

数据增长率高，因此数据的处理效率 要求高

高增长率：实时快速计算问题

3.数据格式多样

数据格式分为结构化数据和非结构化数据
结构化数据：数据库、文本
非结构化数据：网络日志、音频、视频、图片

格式多样化：海量数据的采集问题

4.价值密度低

数据量很大，但是有效数据小
低密度：ETL

3.大数据应用场景

1.推荐用户喜欢的内容
抖音推送的视频、电商的猜你喜欢
2.分析用户消费习惯
3.物流仓储
城市购买特点，配置仓储内容
4.保险
5.金融

4.大数据发展前景

1.党和政府的支持

2. 5G风口

3. 人才紧缺

5. 大数据程序员工作日常

（1）产品经理提出一些指标需求
（2）BI部门搭建数据平台、分析数据指标
（3）对数据指标进行可视化报表
将分析的结果数据写到Mysql，让前端程序员读走进行可视化展示

BI部门组织架构

（1）平台组

• 搭建集群环境
• 集群监控
• 集群性能调优

（2）数仓组

• ETL 数据清洗
• 数仓建模（★）

（3）实时组

• 实时指标分析
• 实时计算性能调优

（4）数据挖掘组（算法组）

• 算法工程师（智能推荐）
• 用户画像（对用户打标签，通过标签对用户进行分群，然后对不同群体推送不同的广告、优惠券）

（5）报表开发组

• JavaEE工程师
• 前端工程师
  负责开发一些报表工具、数据的可视化展示