大数据学习，涉及的知识点

我不是女神ヾ 2022-01-17 12:17 261阅读 0赞

大数据技术都包括哪些，如何学习大数据技术。首先我们要了解*Java*语言和*Linux*操作系统，这两个是学习大数据的基础，学习的顺序不分前后。

很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入**大数据学习qq群：199427210**，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系

![QQ图片20190315154121.png][QQ_20190315154121.png]

*Java*：只要了解一些基础即可，做大数据不需要很深的*Java*技术，即使不懂*Java*也可以学习大数据。

*Linux*：因为大数据相关软件都是在*Linux*上运行的，所以*Linux*要学习的扎实一些，学好*Linux*对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解*hadoop*、*hive*、*hbase*、*spark*等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会*shell*就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

好说完基础了，再说说还需要学习哪些大数据技术，可以按我写的顺序学下去。

*Hadoop*：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。*Hadoop*里面包括几个组件*HDFS*、*MapReduce*和*YARN*，*HDFS*是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，*MapReduce*是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。

记住学到这里可以作为你学大数据的一个节点。

*Zookeeper*：这是个[万金油][Link 1]，安装*Hadoop*的*HA*的时候就会用到它，以后的*Hbase*也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过*1M*，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的*run*起来就可以了。

*Mysql*：我们学习完大数据的处理了，接下来学习学习小数据的处理工具*mysql*数据库，因为一会装*hive*的时候要用到，*mysql*需要掌握到什么层度那*?*你能在*Linux*上把它安装好，运行起来，会配置简单的权限，修改*root*的密码，创建数据库。这里主要的是学习*SQL*的语法，因为*hive*的语法和这个非常相似。

*Sqoop*：这个是用于把*Mysql*里的数据导入到*Hadoop*里的。当然你也可以不用这个，直接把*Mysql*数据表导出成文件再放到*HDFS*上也是一样的，当然生产环境中使用要注意*Mysql*的压力。

*Hive*：这个东西对于会*SQL*语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写*MapReduce*程序。有的人说*Pig*那*?*它和*Pig*差不多掌握一个就可以了。

*Oozie*：既然学会*Hive*了，我相信你一定需要这个东西，它可以帮你管理你的*Hive*或者*MapReduce*、*Spark*脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的*crond*是不是有种想屎的感觉。

*Hbase*：这是*Hadoop*生态体系中的*NOSQL*数据库，他的数据是按照*key*和*value*的形式存储的并且*key*是唯一的，所以它能用来做数据的排重，它与*MYSQL*相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

*Kafka*：这是个比较好用的队列工具，队列是干吗的*?*排队买票你知道不*?*数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据*(*比如好几百*G*的文件*)*我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入*HDFS*，这时你可以与一个叫*Flume*的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方*(*比如*Kafka)*的。

*Spark*：它是用来弥补基于*MapReduce*处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用*scala*编写的。*Java*语言或者*Scala*都可以操作它，因为它们都是用*JVM*的。

我想告诉你，每一份坚持都是成功的累积，只要相信自己，总会遇到惊喜；我想告诉你，每一种活都有各自的轨迹，记得肯定自己，不要轻言放弃；我想告诉你，每一个清晨都是希望的伊始，记得鼓励自己，展现自信的魅力。

转载于:https://blog.51cto.com/13854477/2366246

[QQ_20190315154121.png]: https://s1.51cto.com/images/20190320/1553086966497307.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Link 1]: https://www.baidu.com/s?wd=%E4%B8%87%E9%87%91%E6%B2%B9&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd