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/

hadoopFamilyRoadmap

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

  1. Hadoop家族产品
  2. 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

HadoopFamilySmall

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

Hive

Pig

  • Pig学习路线图

Zookeeper

HBase

Mahout

Sqoop

  • Sqoop学习路线图

Cassandra

 

跟上创新的脚步,不断坚持:(TODO列表,不定期更新)

Avro, Ambari, Chukwa, Hama, Flume, Giraph, Oozie, Crunch, Whirr, Bigtop, HCatalog, Hue

欢迎大家留言,提出宝贵建议!

 

转载请注明出处:
http://blog.fens.me/hadoop-family-roadmap/

打赏作者

This entry was posted in Hadoop实践

  • zqhxuyuan.github.io

    lz的blog非常不错,坐等更新

    • 谢谢支持,正在写Mahout学习路线图,今天可以完成!

  • Pingback: Mahout学习路线图 | 粉丝日志()

  • Zhipeng Liang

    [不明觉厉] your blog is getting more popular.

    • 呵呵,客气了!也是给自己总结,东西太多,容易忘啊!

  • 杰 张

    博主可以顺带研究一下Oozie和impala的使用,毕竟也都是Doug Cutting大神打造的项目,在实际项目中,impala比hive高效得多

    • 整个Hadoop家族的产品,是被列入学习计划的,20个项目都会涉及到的。impala还没看,应该是比hive高效得多,不过我的经验是hive仅仅是给“数据分析师”用的(只会SQL的人),我都是自己写MR的。

  • BrickX

    非常帅气的总结!通过Google爬过来的,必须要支持下。

  • CoderJiang

    老师,我是您炼数的学生,Google过来的,顶一下。

  • 王俊

    借来看看,当成自己的总结(摘抄部分到毕业论文中)可以吧。博主

    • 可以的。引用的内容请注明出处。

  • Chongzheng Wu

    丹哥,Hadoop学习路线图,那个链接有时间发出来吧!

    • 一直没有时间完成,实在不好意思,我先把文章链接去掉了。

  • dyk

    太棒了

  • 太棒了, 等我自已的网站排名五十万以内了以后, 也来求友链

  • whilefor

    为什么你文章的产出这么高,能否请教下写好总结文章的技巧?

    • 写熟悉的技术 + 用心写 + 坚持 = 好文章

      • whilefor

        而且回复也很快

  • Qiang B Wang

    Hadoop学习路线图 多久放上去啊?

    • 不好意思,最近一直没有时间写这部分内容。

  • gogogo

    博主你好,Hadoop学习路线图 有上传了吗?

    • 不好意思,一直没有时间写完。

  • chibs

    张老师,您好,请问您做的思维导图能分享出来么?或者您的淘宝店里是否有相关的课件?我想全面了解一下hadoop生态圈的概况

    • 文本中列出的项目和文章,都去看一下就是hadoop的生态圈了。我最近在做其他方面的工作,所以暂时没有时间更新hadoop的文档。

  • duzhengjie

    写的真不错

  • 总结得挺好,对我很有帮助,谢谢

  • 程序员小王

    相当不错,好好跟着学习一下

  • chen haipeng

    大神啊!真心不错!

  • johnn

    继续分享吧

    • 精力已经转向其他的方向,近期不更新这个系列文章了。