大資料技術都包括哪些，如何學習大資料技術？
一、基礎
首先我們要了解j**a語言和linux作業系統，這兩個是學習大資料的基礎，學習的順序不分前後。
1.j**a：只要了解一些基礎即可，做大資料不需要很深的j**a技術，即使不懂j**a也可以學習大資料。
2.linux：因為大資料相關軟體都是在linux上執行的，所以linux要學習的紮實一些，學好linux對你快速掌握大資料相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大資料軟體的執行環境和網路環境配置，能少踩很多坑，學會shell就能看懂指令碼這樣能更容易理解和配置大資料集群。還能讓你對以後新出的大資料技術學習起來更快。
說完基礎了，再說說還需要學習哪些大資料技術。
hadoop：這是現在流行的大資料處理平台幾乎已經成為大資料的代名詞，所以這個是必學的。hadoop裡面包括幾個元件hdfs、mapreduce和yarn，hdfs是儲存資料的地方就像我們電腦的硬碟一樣檔案都儲存在這個上面，mapreduce是對資料進行處理計算的，它有個特點就是不管多大的資料只要給它時間它就能把資料跑完，但是時間可能不是很快所以它叫資料的批處理。
記住學到這裡可以作為你學大資料的乙個節點。
zookeeper：這是個萬金油，安裝hadoop的ha的時候就會用到它，以後的hbase也會用到它。它一般用來存放一些相互協作的資訊，這些資訊比較小一般不會超過1m，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
mysql：我們學習完大資料的處理了，接下來學習學習小資料的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在linux上把它安裝好，執行起來，會配置簡單的許可權，修改root的密碼，建立資料庫。這裡主要的是學習sql的語法，因為hive的語法和這個非常相似。
sqoop：這個是用於把mysql裡的資料匯入到hadoop裡的。當然你也可以不用這個，直接把mysql資料表匯出成檔案再放到hdfs上也是一樣的，當然生產環境中使用要注意mysql的壓力。
hive：這個東西對於會sql語法的來說就是神器，它能讓你處理大資料變的很簡單，不會再費勁的編寫mapreduce程式。有的人說pig那?它和pig差不多掌握乙個就可以了。
oozie：既然學會hive了，我相信你一定需要這個東西，它可以幫你管理你的hive或者mapreduce、spark指令碼，還能檢查你的程式是否執行正確，出錯了給你發報警並能幫你重試程式，最重要的是還能幫你配置任務的依賴關係。我相信你一定會喜歡上它的，不然你看著那一大堆指令碼，和密密麻麻的crond是不是有種想屎的感覺。
hbase：這是hadoop生態體系中的nosql資料庫，他的資料是按照key和value的形式儲存的並且key是唯一的，所以它能用來做資料的排重，它與mysql相比能儲存的資料量大很多。所以他常被用於大資料處理完成之後的儲存目的地。
kafka：這是個比較好用的佇列工具，佇列是幹嗎的?排隊買票你知道不?資料多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你幹嗎給我這麼多的資料(比如好幾百g的檔案)我怎麼處理得過來，你別怪他因為他不是搞大資料的，你可以跟他講我把資料放在佇列裡你使用的時候乙個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程式去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時資料的入庫或入hdfs，這時你可以與乙個叫flume的工具配合使用，它是專門用來提供對資料進行簡單處理，並寫到各種資料接受方(比如kafka)的。
spark：它是用來彌補基於mapreduce處理資料速度上的缺點，它的特點是把資料裝載到記憶體中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。j**a語言或者scala都可以操作它，因為它們都是用jvm的。
會這些東西你就成為乙個專業的大資料開發工程師了，月薪2w都是小毛毛雨。。。。
最後再學習下推薦、分類等演算法的原理這樣你能更好的與演算法工程師打交通。
end 2018-06-22 14:22:33
大資料開發 Fabric（入門篇）
本篇介紹fabric的一些常用知識。要說和網上其他manual的區別，那就是這是筆者寫的一套成體系的文件，不是隨心所欲而作。fabric現在支援python2和python3，安裝 輸入fab命令 在終端 terminal 執行fab命令執行配置檔案。預設的配置檔案為 fabfile.py，也可以使...
大資料技術
如果沒有乙個好的開始，不妨試試乙個壞的開始吧。因為乙個壞的開始，總比沒有開始強。而完美的開始，則永遠都不會來到。資料採集傳輸主要技術 分為兩類，一類是離線批處理 另一類是實時資料採集和傳輸 離線批處理最有名的是sqoop 實時資料採集和傳輸最為常用的是flume和kafka sqoop 一款開源的離...
大資料技術
前言 學習了好久了，也沒有系統的整理過這些東西，感覺再這麼下去算是荒廢了，懶惰加上不思進取就這樣子過去大半年了，而且最近總是把技術聖地變成自己的宣洩的地方哈哈，隨便寫的啥都亂髮，打擾到各位了，在這裡給各位道歉了 經過乙個比賽感覺自己也學得不紮實，自從非正常退役acm以後，就距離乙個acmer越來越遠...