基础概念
大数据的本质
一、数据的存储：分布式文件系统(分布式存储)
二、数据的计算：分部署计算
基础知识
学习大数据需要具备Java知识基础及Linux知识基础
学习路线
大数据学习群142973723
(1)Java基础和Linux基础
(2)Hadoop的学习：体系结构、原理、编程
第一阶段：HDFS、MapReduce、HBase(NoSQL数据库)
第二阶段：数据分析引擎 -> Hive、Pig
数据采集引擎 -> Sqoop、Flume
第三阶段：HUE：Web管理工具
ZooKeeper：实现Hadoop的HA
Oozie：工作流引擎
(3)Spark的学习
第一阶段：Scala编程语言
第二阶段：Spark Core -> 基于内存、数据的计算
第三阶段：Spark SQL -> 类似于mysql 的sql语句
第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂
(4)Apache Storm 类似：Spark Streaming ->进行流式计算
NoSQL：Redis基于内存的数据库
HDFS
分布式文件系统 解决以下问题：
• 硬盘不够大：多几块硬盘，理论上可以无限大
• 数据不够安全：冗余度，hdfs默认冗余为3 ，用水平复制提高效率，传输按照数据库为单位：Hadoop1.x 64M，Hadoop2.x 128M
• 管理员：NameNode 硬盘：DataNode
MapReduce
基础编程模型：把一个大任务拆分成小任务，再进行汇总
• MR任务：Job = Map + Reduce
Map的输出是Reduce的输入、MR的输入和输出都是在HDFS
MapReduce数据流程分析：
• Map的输出是Reduce的输入，Reduce的输入是Map的集合
HBase
什么是BigTable?: 把所有的数据保存到一张表中，采用冗余 —> 好处：提高效率
• 因为有了bigtable的思想：NoSQL：HBase数据库
• HBase基于Hadoop的HDFS的
• 描述HBase的表结构
核心思想是：利用空间换效率.大数据学习群142973723
