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

0 0 votes
Article Rating
Subscribe
Notify of
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

40 Comments
Oldest
Newest Most Voted
Inline Feedbacks
View all comments
zqhxuyuan.github.io

lz的blog非常不错,坐等更新

Conan Zhang

谢谢支持,正在写Mahout学习路线图,今天可以完成!

[…] 相关文章: Hadoop家族产品学习路线图 […]

Zhipeng Liang

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

Conan Zhang

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

Conan Zhang

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。

Conan Zhang

过奖!!

CoderJiang

老师,我是您炼数的学生,Google过来的,顶一下。

Conan Zhang

你好, 🙂

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

Conan Zhang

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!

Conan Zhang

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

Conan Zhang

🙂

Tommy Chen

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

Conan Zhang

嗯。加油!

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?

Conan Zhang

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?

Conan Zhang

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?

Conan Zhang

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

Conan Zhang

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

Conan Zhang

🙂

n0vembr0

总结得挺好,对我很有帮助,谢谢

Conan Zhang

🙂

程序员小王

相当不错,好好跟着学习一下

Conan Zhang

🙂

chen haipeng

大神啊!真心不错!

Conan Zhang

🙂

johnn

继续分享吧

Conan Zhang

精力已经转向其他的方向,近期不更新这个系列文章了。

Evan

谢谢您的分享,刚上手Hadoop真是一头雾水

Conan Zhang

现在Hadoop已经很成熟了,很快就能上手的。

40
0
Would love your thoughts, please comment.x
()
x