コアカリキュラムを開発するビッグデータはHadoopのフレームワークで、ほとんどビッグデータHadoopの開発と言うことができます。このフレームワークは、Javaアプリケーション開発のためのSSH / SSMフレームワークに似て使用するすべての人の発展に貢献するためのオープンソースのJavaフレームワークが可能な牛のApache財団や他のオープンソースのJavaコミュニティグループです。多くのデータをお見せするためにビッグデータを分岐。
Java言語は、真実である、Javaのコアコードはオープンソースであり、王であるJavaは、ほとんどの言語のテストを立てているが、誰もがJavaのコアを学ぶことができるように、共同で共通のテストを開発するために一緒に学習することが可能であった世界的な牛の結果であり、そして、Android同じシステムと同じのHadoopフレームワークを開発するためのコア技術として技術の使用。世界でプログラムが木に比べた場合、Javaは根、SSHであり、従ってそのHadoopのフレームワーク満開の枝があり、あまりにも残します。
ビッグデータ学習交換基を構築する自分を推薦する必要があり、この場合には、まだ：529 867 072あなたが学習している場合、グループは、ビッグデータの科学の発展、ビッグデータである、あなたは小さなシリーズへの参加を歓迎しており、当社は随時、すべてのパーティのソフトウェア開発されています最新のビッグデータのコピーを含む、乾燥（唯一のビッグデータ関連のソフトウェア開発を）共有し、高度なデータが開発コースに歓迎高度の私自身の並べ替えを進めたし、参加するビッグデータの小さなパートナーを掘り下げたいです。
大規模データの開発エンジニアは、最も人気のあるITトレーニング業界の専門家であると、技術者ビッグデータ革命スマートビーチの観客をリードし、インテリジェントな時代の最も直接的な受益者である、そのような重要なプロとCodoは、皆の詳細かつ完全な説明を与える必要がありますHadoopのエコシステムをベースに、使用されている作品に存在するビッグデータアプリケーション開発エンジニアのすべての技術レベルを導入し、あなたがプロのビッグデータ開発エンジニアの前に学ぶことを示唆している、Java構文と基本的なフレームワークを学ぶの一定の経験を持っています。
ゼロベースのカリキュラムの科目は一部のみが含まれている大規模なデータの友人のJava開発経験のためのカリキュラムを改善するために、二つの部分にどれだけのデータのJava +ビッグデータの開発が含まれています。あなたが知っておくべき上記の説明では、ビッグデータは、いくつかのJavaベース習得する必要があるため。
ビッグデータHadoopのオープンソース開発プラットフォーム
Hadoopのは、大量のデータを分散処理のためのソフトウェアフレームワーク、データ処理に、信頼性の高い効率的かつスケーラブルなアプローチでHadoopを、ユーザが容易にHadoop上で大量のデータを処理するアプリケーションデータを開発し、実行することができる理由することができています高い信頼性、拡張性、高効率、高耐障害性の利点とHadoopのため。
ビッグデータの生態系をHadoopの：
分散ファイルシステム-HDFS
リフトHadoopのファイルシステムは、最初に考えたが、HDFS（Hadoopの分散ファイルシステム）であり、HDFSは、メインのHadoopファイルシステムであり、データをHadoopのプラットフォームに格納され、ネットワーク上の分散ストレージシステムの確立。HadoopのもHadoopのファイルシステムは抽象的な概念であり、他のファイルシステムを統合し、HDFSは、単に1つの実装です。
分散コンピューティングフレームワーク-MapReduce
MapReduceは、プログラミングモデルであるプラットフォームのHadoopデータ処理です。（1TBより大きい）大きなデータセットの並列コンピューティングのための。コンセプト「マップ（マッピング）」と「削減（削減）」、およびその主なアイデアは、借りて、関数型プログラミング言語からのベクトルプログラミング言語の性質から借りています。場合は、プログラマが分散されず、並列プログラミングは、分散システム上で実行中のプログラムを所有するのは非常に簡単です。
分散型のオープンソースデータベース-Hbase
HBaseの - Hadoopのデータベースは、HBaseのは、分散型、列指向オープンソースのデータベースです。非構造化データストレージに適した、データ保持期間複数のバージョン。HBaseの大幅なデータ処理及びアプリケーションのためのHadoopの拡張を容易にします。
ビッグデータエコシステム開発プラットフォームモジュール
巣箱
ハイブは、データウェアハウスのHadoopベースのツール、SQL構造化照会処理機能です。あなたは、データベーステーブルにデータファイルの構造をマップし、SQL文はMapReduceのタスクの実行を実行するために変換され、クラスタまでに提出することができ、単純なSQLクエリを、提供することができます。利点は、学習の低コストで、あなたはすぐにSQL文の種類によって、単純なMapReduceの統計を達成することができ、専門的なのMapReduceアプリケーションを開発することなく、Javaプログラミングを使用せずに、データウェアハウスの統計分析は非常に適しています。
学习Hive时，对于Hive QL中的DDL和DML就是必须要掌握的基础；表的定义、数据导出以及常用的查询语句的掌握是完成大数据统计分析的基础。学会针对Hive进行编程：使用Java API开操作Hive、开发Hive UDF函数。掌握好Hive部分高级的特性能大大提升Hive的执行效率。在优化过程中可以很好的借助于执行计划来进行分析，学习Hive时需要注意Hive性能优化是在生产中的最重要的环节，如何解决数据倾斜是关键；梳理清楚Hive元数据各个表之间的关联关系也能提升对Hive的把握能力。
Zookeeper协调Hadoop生态圈各个模块共同工作
从英文含义上来看Hadoop是小象，Hive是蜜蜂，pig是猪，Zookeeper是动物管理员。那么很显然Zookeeper的作用是分布式应用程序协调服务，为各个模块提供一致性服务的。
数据导入导出框架Sqoop
Sqoop是一款开源的工具，英文含义是象夫，就是喂养大象的人，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递，可以将一个关系型数据库中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。大数据学习交流群：251956502
学习目标：
1.了解Sqoop是什么、能做什么及架构 ；
2.能够进行Sqoop环境部署 ；
3.掌握Sqoop在生产中的使用 ；
4.能够使用Sqoop进行ETL操作 。
Scala编程开发
Scala是一种函数式面向对象语言，类似于RUBY和GROOVY语言，它无缝结合了许多前所未有的特性形成一门多范式语言，其中高层并发模型适用于大数据开发。而同时又运行于JAVA虚拟机之上。
Spark
Spark是目前最流行的大数据处理框架，以简单、易用、性能卓越著称。丰富的程序接口和库文件也使得Spark成为业内数据快速处理和分布式机器学习的必备工具。
*扩展技能：
python开发基础、数据分析与数据挖掘
Sklearnは、データマイニングツール、データマイニングおなじみのナイーブベイズアルゴリズムとデータマイニングSVM分類アルゴリズムを学習し、最終用途SklearnはベイズとSVMアルゴリズムを実現します。
リアルタイムシステムを分散ストームビッグデータ
分散データ処理、嵐及び膨張の嵐フレームワークは容易にバッチ処理のためにHadoopのように、リアルタイム処理のための複雑なリアルタイムコンピュータのクラスタの計算、嵐で調製することができます。MapReduceの並列バッチ処理が複雑さを軽減した場合、ストームは、リアルタイム処理の複雑さを軽減することです。