标签：arch 项目 角度 计算机 linux 问题 class 去重 管理
大数据
干货走起，闲话不多说，以下就是小编整理的大数据学习思路
第一阶段：linux系统
本阶段为大数据学习入门基础课程，帮大家进入大数据领取打好Linux基础，以便更好的学习Hadoop、habse、NoSQL、saprk、storm等众多技术要点。
另：目前企业中无疑例外是使用Linux来搭建或部署项目的
第二阶段：大型网站高并发处理
本阶段的学习是为了让大家能够了解大数据的源头，数据从而而来，继而更好的了解大数据。通过学习处理大型网站高并发问题反向的更加深入的学习Linux，同事站在了更高的角度去触探架构
第三阶段：Hadoop学习
1、Hadoop分布式文件系统：HDFS
详细解剖HDFS，了解其工作原理，打好学习大数据的基础
2、Hadoop分布式计算框架：MapReduce
MapReduce可以说是任何一家大数据公司都会用到的计算框架，也是每个大数据工程师应该熟练掌握的
3、Hadoop离线体系：Hive
hive是使用SQL尽心计算的Hadoop框架，工作中经常会使用，也是面授的重点
4、Hadoop离线计算体系：HBASE
HBASE的重要性不言而喻，即便是工作多年的大数据工程师也是需要去重点学习HBASE性能优化的
第四阶段：zookeeper开发
zookeeper在分布式集群中的地位越来越突出，对分布式应用的开发也提供了极大的便利，学习zookeeper的时候，我们主要学习zookeeper的深入，客户端开发、日常运维、web界面监控等等。学好此部分的内容对后面技术的学习也是至关重要的。
第五阶段：elasticsearch分布式搜索
第六阶段：CDH集群管理
第七阶段：storm实时数据处理
本阶段覆盖storm内部机制和原理，掌握从数据采集到实时极端到数据存储再到前台展示，一人讲所有的工作全部完成，知识覆盖面广
第八阶段：Redis缓存数据库
对Redis做个全部的学习，包括其特点、散列集合类型、字符串类型等等，最后到优化，做个详细的学习
第九阶段：spark核心部分
本阶段内容覆盖了spark生态系统的概述及其编程模型，深入内核的研究，Spark on Yarn,Spark Streaming流式计算原理与实践，Spark SQL,Spark的多语言编程以及SparkR的原理和运行。
在了解了以上知识点后，云计算机器学习的部分也是至关重要的。通常在云计算这部分内容，我们会对Docker、虚拟化KVM、云平台OpenStack做个了解和学习，防止在以后的工作中会遇到
好了，大数据的学习体系就简单的为大家分享到这里。大数据学习群142973723
标签：arch 项目 角度 计算机 linux 问题 class 去重 管理
原文地址：https://www.cnblogs.com/Aa1234567890/p/9848822.html
