Hadoop的学习路径是怎样的

小编 • 2023年2月9日上午11:38 • 科技 • 阅读 704

在学习Hadoop时，主要分为两个阶段：1、基础学习Linux；2、学习Hadoop生态圈技术框架。在学习Linux时，名列前茅步就是搭建整个机器的环境，安装centOS系统。Linux主要内容学习完毕之后，紧接着就是第二个阶段就是学习Hadoop。

一、基础学习Linux

在学习Linux时，名列前茅步就是搭建整个机器的环境，安装centOS系统，这个部分需要达到以下几点要求：

1)要熟练操作Linux常用命令以及网络配置；

2)熟悉用户以及权限管理操作；

3)熟悉软件包以及系统命令管理；

4)学习shell编程。

二、学习Hadoop生态圈技术框架

Hadoop阶段主要分为四个阶段：

1、能熟练搭建伪分布式集群以及完全分布式集群了解每个配置的含义。

通常来说，先搭建Hadoop环境然后再学习Hadoop这样效果更好。先让Hadoop环境搭建起来，能正常运行wordcount程序，慢慢分析整个Hadoop生态系统，对Hadoop有个整体上的认识。

2、基于名列前茅阶段的基础，学习Hadoop核心内容HDFS和Yarn。

首先明白什么是HDFS，然后再分析HDFS的优点，然后再了解HDFS的缺点有哪些，HDFS是如何存储数据的，采用什么样的架构，我们如何实现读取和写入HDFS中的文件，以及了解HDFS副本存放策略，同时熟练掌握HDFS的shell访问和java访问。Yarn首先我们要了解Yarn是什么，为什么使用Yarn，Yarn的构架，Yarn的原理。

3、学习MapReduce。

MapReduce作为Hadoop核心内容，要先易后难，首先了解Mapper、Reducer、Configuration、job等这些类，熟悉MapReduce流程图，然后写简单的单词统计代码，整体上对MapReduce认识，之后学习MapReduce运行机制，熟练掌握，MapReduce输入格式，MapReduce输出格式，以及MapReduce优化等。

4、Hadoop生态圈其他组件。

包括Hive数据仓库、HBase实时分布式数据库、Flume日志收集工具、sqoop数据库ETL工具、zookeeper分布式协作服务等。

延伸阅读

Hadoop是什么

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（ Distributed File System），其中一个组件是HDFS（Hadoop Distributed File System）。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

Hadoop的优点：

1.高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。

2.高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。

3.高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。

4.高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。

5.低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低。

Hadoop带有用Java语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++。