隨著(zhù)互聯(lián)網(wǎng)的發(fā)展，大數據、云計算等名詞也進(jìn)入我們的生活的方方面面，那么什么是大數據?什么又是云計算?以下是小編為你整理的如何學(xué)好大數據分析 ?
大數據是什么? ?
就字面意思理解就是大量的數據的意思;深入理解大數據是對信息資源和數據的集合，利用這些數據和信息資源分析出有用的資源，這就是大數據。 ?
容量大數據作為信息的集合，它包含了很多潛在的信息，以及各個(gè)不同行業(yè)的信息，這些信息就是大數據的容量和價(jià)值。 ?
大數據的種類(lèi)有很多，因為它是一個(gè)信息的合集，因此它包含多種類(lèi)別的分析。
大數據不是一成不變的，隨著(zhù)時(shí)間和空間的變化，大數據也會(huì )跟著(zhù)變化。 ?
由于大數數量巨大，來(lái)源的渠道有很多，因此它表現出很強的復雜性。 ?
利用大數據可以分析和反映一個(gè)行業(yè)或者一個(gè)市場(chǎng)的一些規律，抓住這些規律，就可以產(chǎn)生價(jià)值。 ?
學(xué)大數據用什么語(yǔ)言 ?
Linux：因為大數據相關(guān)軟件都是在Linux上運行的，所以L(fǎng)inux要學(xué)習的扎實(shí)一些，學(xué)好Linux對快速掌握大數據相關(guān)技術(shù)會(huì )有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟件的運行環(huán)境和網(wǎng)絡(luò )環(huán)境配置，能少踩很多坑，學(xué)會(huì )shell就能看懂腳本，這樣能更容易理解和配置大數據集群。 ?
Hadoop：這是現在流行的大數據處理平臺，幾乎已經(jīng)成為大數據的代名詞，所以這個(gè)是必學(xué)的。Hadoop里面包括幾個(gè)組件HDFS、MapReduce和YARN。 ?
Zookeeper：這是個(gè)萬(wàn)金油，安裝Hadoop的HA的時(shí)候就會(huì )用到它，以后的Hbase也會(huì )用到它。它一般用來(lái)存放一些相互協(xié)作的信息。 ?
Hbase：這是Hadoop生態(tài)體系中的NOSQL數據庫，他的數據是按照key和value的形式存儲的并且key是*的，所以它能用來(lái)做數據的排重。 ?
Kafka：這是個(gè)比較好用的隊列工具，隊列是干嗎的?排隊買(mǎi)票你知道不?數據多了同樣也需要排隊處理。 ?
Spark：它是用來(lái)彌補基于MapReduce處理數據速度上的缺點(diǎn)，它的特點(diǎn)是把數據裝載到內存中計算而不是去讀慢的要死進(jìn)化還特別慢的硬盤(pán)。特別適合做迭代運算。 ?
大數據技術(shù)的具體內容 ?
分布式存儲計算架構(強烈推薦：Hadoop) ?
分布式程序設計(包含：Apache Pig或者Hive) ?
分布式文件系統(比如：Google GFS) ?
多種存儲模型，主要包含文檔，圖，鍵值，時(shí)間序列這幾種存儲模型(比如：BigTable，Apollo， DynamoDB等) ?
數據收集架構(比如：Kinesis，Kafla) ?
集成開(kāi)發(fā)環(huán)境(比如：R-Studio) ?
程序開(kāi)發(fā)輔助工具(比如：大量的第三方開(kāi)發(fā)輔助工具) ?
調度協(xié)調架構工具(比如：Apache Aurora) ?
機器學(xué)習(常用的有Apache Mahout 或 H2O) ?
托管管理(比如：Apache Hadoop Benchmarking) ?
安全管理(常用的有Gateway) ?
大數據系統部署(可以看下Apache Ambari)
?
搜索引擎架構( 學(xué)習或者企業(yè)都建議使用Lucene搜索引擎) ?
多種數據庫的演變(MySQL/Memcached) ?
商業(yè)智能(大力推薦：Jaspersoft ) ?
數據可視化(這個(gè)工具就很多了，可以根據實(shí)際需要來(lái)選擇) ?
大數據處理算法(經(jīng)典算法) ?
掌握基于Spark的核心框架使用 ?
1、掌握基于Spark上的核心框架的使用系列課程1: Spark SQL ?
1.1 Spark SQL原理和實(shí)現 ?
1.2 使用Spark SQL操作文本文件和DSL ?
1.3 Spark SQL操作JSON和Hive ?
2、掌握基于Spark上的核心框架的使用系列課程2：Spark的圖計算 ?
2.1 Spark GraphX原理和實(shí)現 ?
2.2 Table operator和Graph Operator ?
2.3 Verticies、Edges、Triplets ?
2.4 動(dòng)手編寫(xiě)GraphX實(shí)例 ?
2.5圖操作之Property Operator、Structural Operator ?
2.6圖操作之Computing Degree、Computing Neighbors ?
2.7 圖操作之Join Operators、Map Reduce Triplets ?
2.8 Pregel API ?
2.9 ShortestPaths ?
2.10 PageRank ?
2.11 TriangleCount ?
3、掌握基于Spark上的核心框架的使用系列課程3: Spark實(shí)時(shí)流處理 ?
3.1 DStream ?
3.2 transformation ?
3.3 checkpoint ?
3.4 案例實(shí)戰之一 ?
3.5 案例實(shí)戰之二 ?
3.6 案例實(shí)戰之三 ?
3.7 案例實(shí)戰之四 ?
4、掌握基于Spark上的核心框架的使用系列課程4: Spark的機器學(xué)習 ?
4.1 LinearRegression ?
4.2 K-Means ?
4.3 Collaborative Filtering ?
5、掌握基于Spark上的核心框架的使用系列課程5：Spark作為云服務(wù) ?
5.1 JobServer的架構設計 ?
5.2 JobServer提供的接口 ?
5.3 JobServer*實(shí)踐 ?
6、掌握基于Spark上的核心框架的使用系列課程6：Spark on Yarn ?
6.1 Spark on Yarn的架構原理 ?
6.2 Spark on Yarn的*實(shí)踐 ?
7、掌握基于Spark上的核心框架的使用系列課程7：Tachyon ?
7.1 Tachyon架構剖析 ?
7.2 Tachyon操作詳解 ?
7.3 Spark下的Tachyon使用解析 ?
