java(Java se,javaweb)
Linux(shell,⾼并发架构,lucene,solr)魔鬼天使三部曲
Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)
机器学习(R,mahout)
Storm(Storm,kafka,redis)
Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)
Python(python,spark python)
云计算平台(docker,kvm,openstack)
名词解释
对于⼩⽩学习⼤数据需要注意的点有很多，但⽆论如何，既然你选择了进⼊⼤数据⾏业，那么便只顾风⾬兼程。正所谓不忘初⼼、⽅得始终，学习⼤数据你最需要的还是⼀颗持之以恒的⼼。
⼀、Linux
lucene： 全⽂检索引擎的架构
solr： 基于lucene的全⽂搜索服务器，实现了可配置、可扩展并对查询性能进⾏了优化，并且提供了⼀个完善的功能管理界⾯。
今天为⼤家整理了部分⼤数据学习教程与⼤家共享，每个⼈可以根据⾃⼰的需要来选择，需要的⼩伙伴可以+下学习资料分享裙 199加上427最后是210数字连起来就是了。
⼆、Hadoop
HDFS： 分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存数数据。
yarn： 可以理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManager NodeManager。MapReduce： 软件框架，编写程序。
Hive： 数据仓库 可以⽤SQL查询，可以运⾏Map/Reduce程序。⽤来计算趋势或者⽹站⽇志，不应⽤于实时查询，需要很长时间返回结果。
HBase： 数据库。⾮常适合⽤来做⼤数据的实时查询。Facebook⽤Hbase存储消息数据并进⾏消息实时的分析
ZooKeeper： 针对⼤型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，active standby 切换。
Sqoop： 数据库相互转移，关系型数据库和HDFS相互转移三年级作文辅导
Mahout： 可扩展的机器学习和数据挖掘库。⽤来做推荐挖掘，聚集，分类，频繁项集挖掘。
Chukwa： 开源收集系统，监视⼤型分布式系统，建⽴在HDFS和Map/Reduce框架之上。显⽰、监视、分析结果。
Ambari： ⽤于配置、管理和监视Hadoop集，基于Web，界⾯友好。
⼆、Cloudera
Cloudera Manager： 管理 监控 诊断 集成
Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop做了相应的改变，发⾏版本称为CDH。
Cloudera Flume： ⽇志收集系统，⽀持在⽇志系统中定制各类数据发送⽅，⽤来收集数据。
Cloudera Impala： 对存储在Apache Hadoop的HDFS，HBase的数据提供直接查询互动的SQL。
Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供所有CDH组件的shell界⾯的接⼝，可以在hue编写mr。
三、机器学习/R
R： ⽤于统计分析、绘图的语⾔和操作环境，⽬前有Hadoop-R
mahout： 提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁⼦项挖掘
等，且可通过Hadoop扩展到云中。
四、storm
Storm： 分布式，容错的实时流式计算系统，可以⽤作实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。
崔智友主演的电视剧Kafka： ⾼吞吐量的分布式发布订阅消息系统，可以处理消费者规模的⽹站中的所有动作流数据（浏览，搜索等）。相对Hadoop的⽇志数据和离线分析，可以实现实时处理。⽬前通过Hadoop的并⾏加载机制来统⼀线上和离线的消息处理
Redis： 由c语⾔编写，⽀持⽹络、可基于内存亦可持久化的⽇志型、key-value型数据库。
五、Spark
原神无相之岩Scala： ⼀种类似java的完全⾯向对象的编程语⾔。
jblas： ⼀个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的⾏业标准，并使⽤先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其⾮常快。
Spark： Spark是在Scala语⾔中实现的类似于Hadoop MapReduce的通⽤并⾏框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从⽽不需要读写HDFS，因此Spark能更好的适⽤于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop⽂件系统并⾏运作，⽤过Mesos的第三⽅集框架可以⽀持此⾏为。
Spark SQL： 作为Apache Spark⼤数据框架的⼀部分，可⽤于结构化数据处理并可以执⾏类似SQL的Spark数据查询
Spark Streaming：⼀种构建在Spark上的实时计算框架，扩展了Spark处理⼤数据流式数据的能⼒。
Spark MLlib： MLlib是Spark是常⽤的机器学习算法的实现库，⽬前(2014.05)⽀持⼆元分类，回归，聚类以及协同过滤。同时也包括⼀个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库，jblas本⾝以来远程的Fortran程序。
Spark GraphX： GraphX是Spark中⽤于图和图并⾏计算的API，可以在Spark之上提供⼀站式数据解决⽅案，可以⽅便且⾼效地完成图计算的⼀整套流⽔作业。
Fortran： 最早出现的计算机⾼级程序设计语⾔，⼴泛应⽤于科学和⼯程计算领域。
BLAS： 基础线性代数⼦程序库，拥有⼤量已经编写好的关于线性代数运算的程序。
LAPACK： 著名的公开软件，包含了求解科学与⼯程计算中最常见的数值线性代数问题，如求解线性⽅程组、线性最⼩⼆乘问题、特征值问题和奇异值问题等。
ATLAS： BLAS线性算法库的优化版本。
Spark Python： Spark是由scala语⾔编写的，但是为了推⼴和兼容，提供了java和python接⼝。什么叫本科一批二批
六、Python
Python: ⼀种⾯向对象的、解释型计算机程序设计语⾔。
七、云计算平台
刘伯姬Docker： 开源的应⽤容器引擎
kvm： (Keyboard Video Mouse)
openstack： 开源的云计算管理平台项⽬
发布评论