Hadoop家族学习路线图 粉丝日志.docxVIP

Hadoop 家族学习路线图 粉丝日志 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@ 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 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！ /blog/2013/01/apache-hadoop-in-2013-t he-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 We