前言
目前人工智能和大数据火热，使用的场景也越来越广，日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解。
基础概念
大数据的本质
一、数据的存储：分布式文件系统（分布式存储）
二、数据的计算：分部署计算
基础知识
学习大数据需要具备Java知识基础及Linux知识基础
学习路线
（1）Java基础和Linux基础
（2）Hadoop的学习：体系结构、原理、编程
第一阶段：HDFS、MapReduce、HBase（NoSQL数据库）
第二阶段：数据分析引擎 -> Hive、Pig
数据采集引擎 -> Sqoop、Flume
第三阶段：HUE：Web管理工具
ZooKeeper：实现Hadoop的HA
Oozie：工作流引擎
（3）Spark的学习
第一阶段：Scala编程语言
第二阶段：Spark Core -> 基于内存、数据的计算
第三阶段：Spark SQL -> 类似于mysql 的sql语句
第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂
（4）Apache Storm 类似：Spark Streaming ->进行流式计算
NoSQL：Redis基于内存的数据库
HDFS
分布式文件系统 解决以下问题：
1、硬盘不够大：多几块硬盘，理论上可以无限大
2、数据不够安全：冗余度，hdfs默认冗余为3 ，用水平复制提高效率，传输按照数据库为单位：Hadoop1.x 64M，Hadoop2.x 128M
管理员：NameNode 硬盘：DataNode
MapReduce
基础编程模型：把一个大任务拆分成小任务，再进行汇总
MR任务：Job = Map + Reduce
Map的输出是Reduce的输入、MR的输入和输出都是在HDFS
MapReduce数据流程分析：
Map的输出是Reduce的输入，Reduce的输入是Map的集合
HBase
什么是BigTable？: 把所有的数据保存到一张表中，采用冗余 ---> 好处：提高效率
1、因为有了bigtable的思想：NoSQL：HBase数据库
2、HBase基于Hadoop的HDFS的
3、描述HBase的表结构
核心思想是：利用空间换效率
Hadoop环境搭建
环境准备
Linux环境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
安装
1、安装jdk、并配置环境变量
vim /etc/profile 末尾添加
2、解压hadoop-3.0.0.tar.gz、并配置环境变量
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop
vim /etc/profile 末尾添加
配置
Hadoop有三种安装模式：
本地模式：
1台主机
不具备HDFS，只能测试MapReduce程序
伪分布模式：
1台主机
具备Hadoop的所有功能，在单机上模拟一个分布式的环境
（1）HDFS：主：NameNode，数据节点：DataNode
（2）Yarn：容器，运行MapReduce程序
主节点：ResourceManager
从节点：NodeManager
全分布模式：
至少3台
我们以伪分布模式为例配置：
修改hdfs-site.xml：冗余度1、权限检查false
<property>
<name>dfs.replication/<name>
<value>1/<value>/<property><property>
<name>dfs.permissions/<name>
<value>false/<value>/<property>
修改core-site.xml
<property>
<name>fs.defaultFS/<name>
<value>hdfs://192.168.56.102:9000/<value>/<property> <property>
<name>hadoop.tmp.dir/<name>
<value>/usr/local/hadoop/tmp/<value>/<property>
修改mapred-site.xml
<property>
<name>mapreduce.framework.name/<name>
<value>yar/<value>/<property><property>
<name>yarn.app.mapreduce.am.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.map.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.reduce.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.application.classpath/<name>
<value>
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/usr/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*,
/<value>
/<property>
修改yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname/<name>
<value>192.168.56.102/<value>/<property><property>
<name>yarn.nodemanager.aux-service/<name>
<value>mapreduce_shuffle/<value>/<property>
格式化NameNode
hdfs namenode -format
看到
common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted
表示格式化成功
启动
start-all.sh
(*)HDFS：存储数据
(*)YARN：
访问
（*）命令行
（*）Java Api
（*）WEB Console
HDFS: http://192.168.56.102:50070
Yarn: http://192.168.56.102:8088
查看HDFS管理界面和yarn资源管理系统
基本操作：
HDFS相关命令
-mkdir 在HDFD创建目录 hdfs dfs -mkdir /data
-ls 查看目录 hdfs dfs -ls
-ls -R 查看目录与子目录 hdfs dfs -ls -R
-put 上传一个文件 hdfs dfs -put data.txt /data/input
-copyFromLocal 上传一个文件 与-put一样
-moveFromLocal 上传一个文件并删除本地文件
-copyToLocal 下载文件 hdfs dfs -copyTolocal /data/input/data.txt
-put 下载文件 hdfs dfs -put/data/input/data.txt
-rm 删除文件 hdfs dfs -rm
-getmerge 将目录所有文件先合并再下载
-cp 拷贝
-mv 移动
-count 统计目录下的文件个数
-text、-cat 查看文件
-balancer 平衡操作
MapReduce示例
结果：
如上 一个最简单的MapReduce示例就执行成功了
思考
Hadoop是基于Java语言的，前端日常开发是用的PHP，在使用、查找错误时还是蛮吃力的。工作之余还是需要多补充点其它语言的相关知识，编程语言是我们开发、学习的工具，而不应成为限制我们技术成长的瓶颈！
大数据开发高薪必备全套资源【免费获取】
Oracle高级技术总监多年精心创作一套完整课程体系【大数据、人工智能开发必看】，全面助力大数据开发零基础+入门+提升+项目=高薪！
「大数据零基础入门」
「大数据架构系统组件」
「大数据全套系统工具安装包」
Java必备工具
大数据必备工具
「大数据行业必备知资讯」
「大数据精品实战案例」
「大数据就业指导方案」
最后说一下的，也就是以上教程的获取方式！
领取方法：
还是那个万年不变的老规矩
1.评论文章，没字数限制，一个字都行！
3.私信小编：“大数据开发教程”即可！
谢谢大家，祝大家学习愉快！（拿到教程后一定要好好学习，多练习哦!)
閱讀更多 微笑數據工程師 的文章
