|
Hadoop其实所负责的主要有存储、计算和处理，说到底Hadoop只是一项分布式系统的工具，我们在学习的时候，要充分理解分布式系统设计中的原则及方法。 学习的时候不要害怕遇到问题，问题是最好的老师，其实学习的过程就是解决问题的过程，Hadoop具体的学习路线主要分为以下几步： 1.掌握Linux的安装及基本操作、Python安装及编程基础、java基础，需要学习Linux的常用命令、基本网络配置、进程管理、shell语法；Python的常用语法，能够基于Python搭建一个常用的Server服务器和java的基础知识； 2.搭建Hadoop分布式环境，在自己的电脑上安装Linux，然后准备环境nat配置，搭建Hadoop集群先让Hadoop在自己的电脑上跑起来； 3.学习HDFS分布式文件系统，主要学习架构分析，容灾容错策略、local数据策略、数据块概念、机架感应，功能逻辑实现等。要真正的去敲敲，掌握Linux下HDFS Shell常用命令的使用； 4.学习MapReduce计算框架，MapReduce是Hadoop核心编程模型。在Hadoop中，数据处理核心就是MapReduce程序设计模型。这一步需要学的东西很多，大家一定要有耐心，把MR的知识学牢固。 首先我们需要学习MR的基本原理、任务执行流程、Shuffle策略。自己动手写一个MR任务，来实现wordcount。然后要学习表单join、表单查询、数据清洗、全局排序、多目录输入输出、自定义partition分区，掌握二分法算法。 接下来学习自然语言处理方法(NLP)，掌握如何提取关键词，TF-IDF算法。这里我们可以实践一下，统计文本中的词频。 学习中文分词，分词的质量直接影响数据挖掘的质量； 5.学习Strom计算，Storm是一个开源分布式实时计算系统，可以实时可靠地处理流数据，要知道Hadoop和Storm的区别，知道他们如何进行互补，了解Storm的体系架构、Zookeeper在架构中的作用和数据流处理的过程。弄懂Storm的工作原理和核心组件（Spout、Bolt）； 6.学习Zookeepr分布式协作服务，学会数据管理的树形结构，学会根据应用场景选择不同类型的节点、节点权限管理ACL和监控机制。学会Zookeeper开源自带Client工具的Shell使用，开发java代码实现不同类型的节点进行新建、修改、删除和节点的监控； 7.学习数据仓库工具Hive,要了解Hive的体系架构和其与mysql的对比。要掌握Mysql的基本知识、系统搭建标准SQL语（增删查改）； 8.学习分布式存储系统Hbase,要掌握Hbase的体系架构（HMaster、HRegionServer、HStore、HFile、HLog)，物理存储、数据逻辑存储、核心功能模块； 细化一点要掌握Hbase表结构设计、Shell操作（增删查改）、javaAPI操作、数据迁移、备份与恢复。与MR结合实现批量导入与导出，与Hive结合使用，集群管理和性能调优； 9.学习Spark，这一步要掌握SPark的编程模型、运行框架、作业提交、缓存策略、RDD、MLLib； 10.学习Spark开发技术，要能够熟练使用MLLib,能够自己开发Scala的Spark任务，完成表格join、连接和文本中过滤等。 11.学习推荐系统，要掌握主流的推荐算法，Content Base、Collab Filter。
| 
学习交流
