hadoop学习博客
http://blog.fens.me/category/hadoop-action/
Hadoop家族学习路线图
Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa,新增加的项目包括,YARN, Hcatalog, Oozie, Cassandra, Hama, Whirr, Flume, Bigtop, Crunch, Hue等。
从2011年开始,中国进入大数据风起云涌的时代,以Hadoop为代表的家族软件,占据了大数据处理的广阔地盘。开源界及厂商,所有数据软件,无一不向Hadoop靠拢。Hadoop也从小众的高富帅领域,变成了大数据开发的标准。在Hadoop原有技术基础之上,出现了Hadoop家族产品,通过“大数据”概念不断创新,推出科技进步。
作为IT界的开发人员,我们也要跟上节奏,抓住机遇,跟着Hadoop一起雄起!
关于作者:
- 张丹(Conan), 程序员Java,R,PHP,Javascript
- weibo:@Conan_Z
- blog: http://blog.fens.me
- email: bsspirit@gmail.com
转载请注明出处:
http://blog.fens.me/hadoop-family-roadmap/
前言
使用Hadoop已经有一段时间了,从开始的迷茫,到各种的尝试,到现在组合应用….慢慢地涉及到数据处理的事情,已经离不开hadoop了。Hadoop在大数据领域的成功,更引发了它本身的加速发展。现在Hadoop家族产品,已经达到20个了之多。
有必要对自己的知识做一个整理了,把产品和技术都串起来。不仅能加深印象,更可以对以后的技术方向,技术选型做好基础准备。
本文为“Hadoop家族”开篇,Hadoop家族学习路线图
目录
- Hadoop家族产品
- Hadoop家族学习路线图
1. Hadoop家族产品
截止到2013年,根据cloudera的统计,Hadoop家族产品已经达到20个!
http://blog.cloudera.com/blog/2013/01/apache-hadoop-in-2013-the-state-of-the-platform/
接下来,我把这20个产品,分成了2类。
- 第一类,是我已经掌握的
- 第二类,是TODO准备继续学习的
一句话产品介绍:
- Apache Hadoop: 是Apache开源组织的一个分布式计算开源框架,提供了一个分布式文件系统子项目(HDFS)和支持MapReduce分布式计算的软件架构。
- Apache Hive: 是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。
- Apache Pig: 是一个基于Hadoop的大规模数据分析工具,它提供的SQL-LIKE语言叫Pig Latin,该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。
- Apache HBase: 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。
- Apache Sqoop: 是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,可以将一个关系型数据库(MySQL ,Oracle ,Postgres等)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。
- Apache Zookeeper: 是一个为分布式应用所设计的分布的、开源的协调服务,它主要是用来解决分布式应用中经常遇到的一些数据管理问题,简化分布式应用协调及其管理的难度,提供高性能的分布式服务
- Apache Mahout:是基于Hadoop的机器学习和数据挖掘的一个分布式框架。Mahout用MapReduce实现了部分数据挖掘算法,解决了并行挖掘的问题。
- Apache Cassandra:是一套开源分布式NoSQL数据库系统。它最初由Facebook开发,用于储存简单格式数据,集Google BigTable的数据模型与Amazon Dynamo的完全分布式的架构于一身
- Apache Avro: 是一个数据序列化系统,设计用于支持数据密集型,大批量数据交换的应用。Avro是新的数据序列化格式与传输工具,将逐步取代Hadoop原有的IPC机制
- Apache Ambari: 是一种基于Web的工具,支持Hadoop集群的供应、管理和监控。
- Apache Chukwa: 是一个开源的用于监控大型分布式系统的数据收集系统,它可以将各种各样类型的数据收集成适合 Hadoop 处理的文件保存在 HDFS 中供 Hadoop 进行各种 MapReduce 操作。
- Apache Hama: 是一个基于HDFS的BSP(Bulk Synchronous Parallel)并行计算框架, Hama可用于包括图、矩阵和网络算法在内的大规模、大数据计算。
- Apache Flume: 是一个分布的、可靠的、高可用的海量日志聚合的系统,可用于日志数据收集,日志数据处理,日志数据传输。
- Apache Giraph: 是一个可伸缩的分布式迭代图处理系统, 基于Hadoop平台,灵感来自 BSP (bulk synchronous parallel) 和 Google 的 Pregel。
- Apache Oozie: 是一个工作流引擎服务器, 用于管理和协调运行在Hadoop平台上(HDFS、Pig和MapReduce)的任务。
- Apache Crunch: 是基于Google的FlumeJava库编写的Java库,用于创建MapReduce程序。与Hive,Pig类似,Crunch提供了用于实现如连接数据、执行聚合和排序记录等常见任务的模式库
- Apache Whirr: 是一套运行于云服务的类库(包括Hadoop),可提供高度的互补性。Whirr学支持Amazon EC2和Rackspace的服务。
- Apache Bigtop: 是一个对Hadoop及其周边生态进行打包,分发和测试的工具。
- Apache HCatalog: 是基于Hadoop的数据表和存储管理,实现中央的元数据和模式管理,跨越Hadoop和RDBMS,利用Pig和Hive提供关系视图。
- Cloudera Hue: 是一个基于WEB的监控和管理系统,实现对HDFS,MapReduce/YARN, HBase, Hive, Pig的web化操作和管理。
2. Hadoop家族学习路线图
下面我将分别介绍各个产品的安装和使用,以我经验总结我的学习路线。
Hadoop
- Hadoop学习路线图
- Yarn学习路线图
- 用Maven构建Hadoop项目
- Hadoop历史版本安装
- Hadoop编程调用HDFS
- 海量Web日志分析 用Hadoop提取KPI统计指标
- 用Hadoop构建电影推荐系统
- 创建Hadoop母体虚拟机
- 克隆虚拟机增加Hadoop节点
- R语言为Hadoop注入统计血脉
- RHadoop实践系列之一 Hadoop环境搭建
- 用MapReduce实现矩阵乘法
- PageRank算法并行实现
- PeopleRank从社交网络中发现个体价值
Hive
- Hive学习路线图
- Hive安装及使用攻略
- Hive导入10G数据的测试
- R利剑NoSQL系列文章 之 Hive
- 用RHive从历史数据中提取逆回购信息
Pig
- Pig学习路线图
Zookeeper
- Zookeeper学习路线图
- ZooKeeper伪分步式集群安装及使用
- ZooKeeper实现分布式队列Queue
- ZooKeeper实现分布式FIFO队列
- 基于Zookeeper的分步式队列系统集成案例
HBase
- HBase学习路线图
- 在Ubuntu中安装HBase
- RHadoop实践系列之四 rhbase安装与使用
Mahout
- Mahout学习路线图
- 用R解析Mahout用户推荐协同过滤算法(UserCF)
- RHadoop实践系列之三 R实现MapReduce的协同过滤算法
- 用Maven构建Mahout项目
- Mahout推荐算法API详解
- 从源代码剖析Mahout推荐引擎
- Mahout分步式程序开发 基于物品的协同过滤ItemCF
- Mahout分步式程序开发 聚类Kmeans
- 用Mahout构建职位推荐引擎
- Mahout构建图书推荐系统
Sqoop
- Sqoop学习路线图
Cassandra
- Cassandra学习路线图
- Cassandra单集群实验2个节点
- R利剑NoSQL系列文章 之 Cassandra
hadoop学习博客相关推荐
- JAVA学习博客---2015.5
上一次的学习博客写的和流水账差不多,有点生硬的和背目录一样,所以既然学习的目的是程序,那么这个月的学习博客就用程序来说点东西吧.这个月看了一些C和JAVA的视频,开始看别人写的程序,能看的懂但是自己去 ...
- 几个非常有用的iOS学习博客链接
几个非常有用的iOS学习博客链接 请仔细阅读相关链接下的其他博客的文章: http://blog.csdn.net/sanpintian/article/details/7402853 http:// ...
- 记录自己第一个java学习博客
记录自己第一个java学习博客 阿里java规范 弄懂 JRE.JDK.JVM 之间的区别与联系 DOS常用命令 常用mac终端命令 今天我学习了java第一个程序打印出helloworld! pac ...
- 软件构造第五次学习博客——SpotBugs概述
软件构造第五次学习博客--SpotBugs概述 SpotBugs 介绍 SpotBugs是Findbugs的继任者(用于对代码进行静态分析,查找相关的漏洞. SpotBugs官方文档的bug描述 目前 ...
- 计算机视觉--图像处理基础操作学习博客参考1
以下内容为参考学习使用. 个人电脑的浏览器经常更换,不便收藏,记录在本文供以后学习参考使用. 该网友有编程经验,从实践的角度看OpenCV和图像处理的基本操作,并提供代码和解析 博客园某网友的的链接: ...
- 转载一个不错的Scrapy学习博客笔记
背景: 最近在学习网络爬虫Scrapy,官网是 http://scrapy.org 官方描述:Scrapy is a fast high-level screen scraping and web c ...
- 必读的AI和深度学习博客
https://mp.weixin.qq.com/s/VrDYqkxRtVar-aWHAJHzpQ 我从未见过能与人工智能和认知计算相匹配来改变世界的事物 认知解决方案和IBM研究部高级副总裁John ...
- 小桥加加的英语学习博客
今天又开始要学习英语了, 要有毅力的学下去. 张CEO说过: 把简单的事情千百次的做好,就是不简单. 所以,要做好每一天的"简单"的事. 学英语更是如此. 不积小流,无以成江海. ...
- Android学习博客和文章存档
[Android基础]Android总结篇 http://blog.csdn.net/codeemperor/article/details/51004189 Android最佳性能实践(一)--合理 ...
- webrtc 学习博客
这是一个非常不错的webrtc学习网站如下 博客链接:http://www.cnblogs.com/lingyunhu/tag/webrtc%20android%20ios/ 今天这篇文章主要总结目前 ...
最新文章
- 34岁,外企倒闭成功上岸大厂,50K,附面试秘籍
- MPB:清华杨云锋组-利用GeoChip分析环境微生物功能基因群落结构
- 矩阵乘法的四种理解方式
- 定义一个结构体指针需要分配存储空间
- 使用AOP与注解记录Java日志
- C# 空合并运算符 ??
- C++标准库与Java基础类对照表
- linux那些事之 page translation(硬件篇)
- UNIX-LINUX编程实践教程-第八章-实例代码注解-写一个简单的shell
- ARM指令集与Thumb指令集--区别关联--汇编指令 BX LR ; 跳转回LR地址处,既可以是ARM模式也可以是Thumb模式
- ubuntu换系统下载路径源
- java中1%3c%3c2_从零开始java代码审计系列(四)
- web测试和app测试的区别你知道吗?
- 白话空间统计十六:增量空间自相关
- 设计师配色宝典:教你从零开始学配色
- LabVIEW编程LabVIEW控制PXI-5122例程与相关资料
- 思源宋体安装过程记录
- 搜狗输入法取消英文空格确认
- 走进JavaWeb技术世界11:单元测试框架Junit
- 运城学院计算机应用技术,运城学院学子在中国大学生计算机设计大赛中取得历史最好成绩...