快捷搜索: 王者荣耀 脱发

大数据架构师从入门到精通 学习必看宝典

  目前最火的大数据,很多人想往大数据方向发展,想问该学哪些技术,学习路线是什么样的,觉得大数据很火,就业很好,薪资很高。如果自己很迷茫,为了这些原因想往大数据方向发展,也可以,那么我就想问一下,你的专业是什么,对于计算机/软件,你的兴趣是什么?是计算机专业,对操作系统、硬件、网络、服务器感兴趣?是软件专业,对软件开发、编程、写代码感兴趣?还是数学、统计学专业,对数据和数字特别感兴趣。

  其实这就是想告诉你的大数据的三个发展方向,平台搭建/优化/运维/监控、大数据开发/ 设计/ 架构、数据分析/挖掘。请不要问我哪个容易,哪个前景好,哪个钱多。

  先扯一下大数据的4V特征:

  数据量大,TB->PB

  数据类型繁多,结构化、非结构化文本、日志、视频、图片、地理位置等;

  商业价值高,但是这种价值需要在海量数据之上,通过数据分析与机器学习更快速的挖掘出来;

  处理时效性高,海量数据的处理需求不再局限在离线计算当中。

  现如今,正式为了应对大数据的这几个特点,开源的大数据框架越来越多,越来越强,先列举一些常见的:

  文件存储:Hadoop HDFS、Tachyon、KFS

  离线计算:Hadoop MapReduce、Spark

  流式、实时计算:Storm、Spark Streaming、S4、Heron

  K-V、NOSQL数据库:HBase、Redis、MongoDB

  资源管理:YARN、Mesos

  日志收集:Flume、Scribe、Logstash、Kibana

  消息系统:Kafka、StormMQ、ZeroMQ、RabbitMQ

  查询分析:Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid

  分布式协调服务:Zookeeper

  集群管理与监控:Ambari、Ganglia、Nagios、Cloudera Manager

  数据挖掘、机器学习:Mahout、Spark MLLib

  数据同步:Sqoop

  任务调度:Oozie

  初识Hadoop

  1.1 学会百度与Google

  不论遇到什么问题,先试试搜索并自己解决。Google首选,翻不过去的,就用百度吧。

  1.2 参考资料首选官方文档

  特别是对于入门来说,官方文档永远是首选文档。相信搞这块的大多是文化人,英文凑合就行,实在看不下去的,请参考第一步。

  1.3 先让Hadoop跑起来

  Hadoop可以算是大数据存储和计算的开山鼻祖,现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。

  关于Hadoop,你至少需要搞清楚以下是什么:

  Hadoop 1.0、Hadoop 2.0

  MapReduce、HDFS

  NameNode、DataNode

  JobTracker、TaskTracker

  Yarn、ResourceManager、NodeManager

  自己搭建Hadoop,请使用第一步和第二步,能让它跑起来就行。建议先使用安装包命令行安装,不要使用管理工具安装。另外:Hadoop1.0知道它就行了,现在都用Hadoop 2.0.

  1.4 试试使用Hadoop

  HDFS目录操作命令;上传、下载文件命令;提交运行MapReduce示例程序;打开Hadoop WEB界面,查看Job运行状态,查看Job运行日志。知道Hadoop的系统日志在哪里。

  1.5 你该了解它们的原理了

  MapReduce:如何分而治之;HDFS:数据到底在哪里,什么是副本;

  Yarn到底是什么,它能干什么;NameNode到底在干些什么;Resource Manager到底在干些什么;

  1.6 自己写一个MapReduce程序

  请仿照WordCount例子,自己写一个(照抄也行)WordCount程序,

  打包并提交到Hadoop运行。你不会Java?Shell、Python都可以,有个东西叫Hadoop Streaming。如果你认真完成了以上几步,恭喜你,你的一只脚已经进来了。

经验分享 程序员 微信小程序 职场和发展