Hadoop發(fā)展到今天家族產(chǎn)品已經(jīng)非常豐富，能夠滿足不同場(chǎng)景的大數(shù)據(jù)處理需求。作為目前主流的大數(shù)據(jù)處理技術(shù)，市場(chǎng)上很多公司的大數(shù)據(jù)業(yè)務(wù)都是基于Hadoop開(kāi)展，而且對(duì)很多場(chǎng)景已經(jīng)具有非常成熟的解決方案。

作為開(kāi)發(fā)人員掌握Hadoop及其生態(tài)內(nèi)框架的開(kāi)發(fā)技術(shù)，就是進(jìn)入大數(shù)據(jù)領(lǐng)域的必經(jīng)之路。

下面詳細(xì)介紹一下，學(xué)習(xí)Hadoop開(kāi)發(fā)技術(shù)的路線圖。

Hadoop本身是用java開(kāi)發(fā)的，所以對(duì)java的支持性非常好，但也可以使用其他語(yǔ)言。

下面的技術(shù)路線側(cè)重?cái)?shù)據(jù)挖掘方向，因?yàn)镻ython開(kāi)發(fā)效率較高所以我們使用Python來(lái)進(jìn)行任務(wù)。

因?yàn)镠adoop是運(yùn)行在Linux系統(tǒng)上的，所以還需要掌握Linux的知識(shí)。

第一階段：Hadoop生態(tài)架構(gòu)技術(shù)

1、語(yǔ)言基礎(chǔ)

Java：掌握javase知識(shí)，多理解和實(shí)踐在Java虛擬機(jī)的內(nèi)存管理、以及多線程、線程池、設(shè)計(jì)模式、并行化就可以，不需要深入掌握。

Linux：系統(tǒng)安裝（命令行界面和圖形界面）、基本命令、網(wǎng)絡(luò)配置、Vim編輯器、進(jìn)程管理、Shell腳本、虛擬機(jī)的菜單熟悉等等。

Python：基礎(chǔ)語(yǔ)法，數(shù)據(jù)結(jié)構(gòu)，函數(shù)，條件判斷，循環(huán)等基礎(chǔ)知識(shí)。

2、環(huán)境準(zhǔn)備

這里介紹在windows電腦搭建完全分布式，1主2從。

VMware虛擬機(jī)、Linux系統(tǒng)（Centos6.5）、Hadoop安裝包，這里準(zhǔn)備好Hadoop完全分布式集群環(huán)境。

3、MapReduce

MapReduce分布式離線計(jì)算框架，是Hadoop核心編程模型。主要適用于大批量的集群任務(wù)，由于是批量執(zhí)行，故時(shí)效性偏低。

4、HDFS1.0/2.0

Hadoop分布式文件系統(tǒng)(HDFS)是一個(gè)高度容錯(cuò)性的系統(tǒng)，適合部署在廉價(jià)的機(jī)器上。HDFS能提供高吞吐量的數(shù)據(jù)訪問(wèn)，非常適合大規(guī)模數(shù)據(jù)集上的應(yīng)用。

5、Yarn（Hadoop2.0）

前期了解即可，Yarn是一個(gè)資源調(diào)度平臺(tái)，主要負(fù)責(zé)給任務(wù)分配資源。Yarn是一個(gè)公共的資源調(diào)度平臺(tái)，所有滿足條件的框架都可以使用Yarn來(lái)進(jìn)行資源調(diào)度。

6、Hive

Hive是一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，所有的數(shù)據(jù)都是存儲(chǔ)在HDFS上的。使用Hive主要是寫Hql，非常類似于Mysql數(shù)據(jù)庫(kù)的Sql。其實(shí)Hive在執(zhí)行Hql，底層在執(zhí)行的時(shí)候還是執(zhí)行的MapRedce程序。

7、Spark

Spark 是專為大規(guī)模數(shù)據(jù)處理而設(shè)計(jì)的快速通用的計(jì)算引擎，其是基于內(nèi)存的迭代式計(jì)算。Spark 保留了MapReduce 的優(yōu)點(diǎn)，而且在時(shí)效性上有了很大提高。

8、Spark Streaming

Spark Streaming是實(shí)時(shí)處理框架，數(shù)據(jù)是一批一批的處理。

9、Spark Hive

基于Spark的快速Sql檢索。Spark作為Hive的計(jì)算引擎，將Hive的查詢作為Spark的任務(wù)提交到Spark集群上進(jìn)行計(jì)算，可以提高Hive查詢的性能。

10、Storm

Storm是一個(gè)實(shí)時(shí)計(jì)算框架，和MR的區(qū)別就是，MR是對(duì)離線的海量數(shù)據(jù)進(jìn)行處理，而Storm是對(duì)實(shí)時(shí)新增的每一條數(shù)據(jù)進(jìn)行處理，是一條一條的處理，可以保證數(shù)據(jù)處理的時(shí)效性。

11、Zookeeper

Zookeeper是很多大數(shù)據(jù)框架的基礎(chǔ)，它是集群的管理者。監(jiān)視著集群中各個(gè)節(jié)點(diǎn)的狀態(tài)根據(jù)節(jié)點(diǎn)提交的反饋進(jìn)行下一步合理操作。

最終，將簡(jiǎn)單易用的接口和性能高效、功能穩(wěn)定的系統(tǒng)提供給用戶

12、Hbase

Hbase是一個(gè)Nosql 數(shù)據(jù)庫(kù)，是一個(gè)Key-Value類型的數(shù)據(jù)庫(kù)，是高可靠、面向列的、可伸縮的、分布式的數(shù)據(jù)庫(kù)。

適用于非結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)，底層的數(shù)據(jù)存儲(chǔ)在HDFS上。

13、Kafka

kafka是一個(gè)消息中間件，在工作中常用于實(shí)時(shí)處理的場(chǎng)景中，作為一個(gè)中間緩沖層。

14、Flume

Flume是一個(gè)日志采集工具，常見(jiàn)的就是采集應(yīng)用產(chǎn)生的日志文件中的數(shù)據(jù)，一般有兩個(gè)流程。

一個(gè)是Flume采集數(shù)據(jù)存儲(chǔ)到Kafka中，方便Storm或者SparkStreaming進(jìn)行實(shí)時(shí)處理。

另一個(gè)流程是Flume采集的數(shù)據(jù)存儲(chǔ)到HDFS上，為了后期使用hadoop或者spark進(jìn)行離線處理。

第二階段：數(shù)據(jù)挖掘算法

1、中文分詞

開(kāi)源分詞庫(kù)的離線和在線應(yīng)用

2、自然語(yǔ)言處理

文本相關(guān)性算法

3、推薦算法

基于CB、CF，歸一法，Mahout應(yīng)用。

4、分類算法

NB、SVM

5、回歸算法

LR、Decision Tree

6、聚類算法

層次聚類、Kmeans

7、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

NN、Tensorflow

以上就是學(xué)習(xí)Hadoop開(kāi)發(fā)的一個(gè)詳細(xì)路線，鑒于篇幅原因只列舉和解釋了框架作用，如果需要了解具體框架的開(kāi)發(fā)技術(shù)，可以百度搜索八斗學(xué)院大綱，詳細(xì)了解。

學(xué)習(xí)完第一階段的知識(shí)，已經(jīng)可以從事大數(shù)據(jù)架構(gòu)相關(guān)的工作，可以在企業(yè)中負(fù)責(zé)某些或某個(gè)的開(kāi)發(fā)與維護(hù)工作。

學(xué)習(xí)完第二階段的知識(shí)，可以從事數(shù)據(jù)挖掘相關(guān)的工作，這也是目前進(jìn)入大數(shù)據(jù)行業(yè)含金量最高的工作。