大資料學習，涉及的知識點

大資料技術都包括哪些，如何學習大資料技術。 首先我們要了解 Java 語言和 Linux 作業系統，這兩個是學習大資料的基礎，學習的順序不分前後。

很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大資料學習qq群：199427210，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國內最完整的大資料高階實戰實用學習流程體系

Java ：只要瞭解一些基礎即可，做大資料不需要很深的 Java 技術，即使不懂 Java 也可以學習大資料。

Linux ：因為大資料相關軟體都是在 Linux 上執行的，所以 Linux 要學習的紮實一些，學好 Linux 對你快速掌握大資料相關技術會有很大的幫助，能讓你更好的理解 hadoop 、 hive 、 hbase 、 spark 等大資料軟體的執行環境和網路環境配置，能少踩很多坑，學會 shell 就能看懂指令碼這樣能更容易理解和配置大資料叢集。還能讓你對以後新出的大資料技術學習起來更快。

好說完基礎了，再說說還需要學習哪些大資料技術，可以按我寫的順序學下去。

Hadoop ：這是現在流行的大資料處理平臺幾乎已經成為大資料的代名詞，所以這個是必學的。 Hadoop 裡面包括幾個元件 HDFS 、 MapReduce 和 YARN ， HDFS 是儲存資料的地方就像我們電腦的硬碟一樣檔案都儲存在這個上面， MapReduce 是對資料進行處理計算的，它有個特點就是不管多大的資料只要給它時間它就能把資料跑完，但是時間可能不是很快所以它叫資料的批處理。

記住學到這裡可以作為你學大資料的一個節點。

Zookeeper ：這是個萬金油，安裝 Hadoop 的 HA 的時候就會用到它，以後的 Hbase 也會用到它。它一般用來存放一些相互協作的資訊，這些資訊比較小一般不會超過 1M ，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的 run 起來就可以了。

Mysql ：我們學習完大資料的處理了，接下來學習學習小資料的處理工具 mysql 資料庫，因為一會裝 hive 的時候要用到， mysql 需要掌握到什麼層度那 ? 你能在 Linux 上把它安裝好，執行起來，會配置簡單的許可權，修改 root 的密碼，建立資料庫。這裡主要的是學習 SQL 的語法，因為 hive 的語法和這個非常相似。

Sqoop ：這個是用於把 Mysql 裡的資料匯入到 Hadoop 裡的。當然你也可以不用這個，直接把 Mysql 資料表匯出成檔案再放到 HDFS 上也是一樣的，當然生產環境中使用要注意 Mysql 的壓力。

Hive ：這個東西對於會 SQL 語法的來說就是神器，它能讓你處理大資料變的很簡單，不會再費勁的編寫 MapReduce 程式。有的人說 Pig 那 ? 它和 Pig 差不多掌握一個就可以了。

Oozie ：既然學會 Hive 了，我相信你一定需要這個東西，它可以幫你管理你的 Hive 或者 MapReduce 、 Spark 指令碼，還能檢查你的程式是否執行正確，出錯了給你發報警並能幫你重試程式，最重要的是還能幫你配置任務的依賴關係。我相信你一定會喜歡上它的，不然你看著那一大堆指令碼，和密密麻麻的 crond 是不是有種想屎的感覺。

Hbase ：這是 Hadoop 生態體系中的 NOSQL 資料庫，他的資料是按照 key 和 value 的形式儲存的並且 key 是唯一的，所以它能用來做資料的排重，它與 MYSQL 相比能儲存的資料量大很多。所以他常被用於大資料處理完成之後的儲存目的地。

Kafka ：這是個比較好用的佇列工具，佇列是幹嗎的 ? 排隊買票你知道不 ? 資料多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你幹嗎給我這麼多的資料 ( 比如好幾百 G 的檔案 ) 我怎麼處理得過來，你別怪他因為他不是搞大資料的，你可以跟他講我把資料放在佇列裡你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去最佳化他的程式去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時資料的入庫或入 HDFS ，這時你可以與一個叫 Flume 的工具配合使用，它是專門用來提供對資料進行簡單處理，並寫到各種資料接受方 ( 比如 Kafka) 的。

Spark ：它是用來彌補基於 MapReduce 處理資料速度上的缺點，它的特點是把資料裝載到記憶體中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用 scala 編寫的。 Java 語言或者 Scala 都可以操作它，因為它們都是用 JVM 的。