Hadoop家族學習路線圖 : http://blog.fens.me/hadoop-family-roadmap/
Hadoop家族系列文章， 主要介紹Hadoop家族產品，常用的專案包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa，新增加的項目包括，YARN, Hcatalog, Oozie, Cassandra, Hama, Whirr, Flume, Bigtop, Crunch, Hue等。
從2011年開始，中國進入大資料風起雲湧的時代，以Hadoop為代表的家族軟體，佔據了大資料處理的廣闊地盤。開源界及廠商，所有資料軟體，無 一不向Hadoop靠攏。Hadoop也從小眾的高富帥領域，變成了大資料開發的標準。在Hadoop原有技術基礎之上，出現了Hadoop家族產品，通 過"大資料"概念不斷創新，推出科技進步。
作為IT界的開發人員，我們也要跟上節奏，抓住機遇，跟著Hadoop一起雄起！
關於作者：
· 張丹(Conan), 程式師Java,R,PHP,Javascript
· weibo：@Conan_Z
· blog: http://blog.fens.me
· email: bsspirit@gmail.com
轉載請注明出處：
http://blog.fens.me/hadoop-family-roadmap/
前言
使用Hadoop已經有一段時間了，從開始的迷茫，到各種的嘗試，到現在組合應用….慢慢地涉及到資料處理的事情，已經離不開hadoop了。Hadoop在大資料領域的成功，更引發了它本身的加速發展。現在Hadoop家族產品，已經達到20個了之多。
有必要對自己的知識做一個整理了，把產品和技術都串起來。不僅能加深印象，更可以對以後的技術方向，技術選型做好基礎準備。
本文為"Hadoop家族"開篇，Hadoop家族學習路線圖
目錄
1. Hadoop家族產品
2. Hadoop家族學習路線圖
1. Hadoop家族產品
截止到2013年，根據cloudera的統計，Hadoop家族產品已經達到20個！
http://blog.cloudera.com/blog/2013/01/apache-hadoop-in-2013-the-state-of-the-platform/
接下來，我把這20個產品，分成了2類。
· 第一類，是我已經掌握的
· 第二類，是TODO準備繼續學習的
一句話產品介紹:
· Apache Hadoop: 是Apache開源組織的一個分散式運算開源框架，提供了一個分散式檔案系統子項目(HDFS)和支援MapReduce分散式運算的軟體架構。
· Apache Hive: 是基於Hadoop的一個資料倉庫工具，可以將結構化的資料檔案映射為一張資料庫表，通過類SQL語句快速實現簡單的MapReduce統計，不必開發專門的MapReduce應用，十分適合資料倉庫的統計分析。
· Apache Pig: 是一個基於Hadoop的大規模資料分析工具，它提供的SQL-LIKE語言叫Pig Latin，該語言的編譯器會把類SQL的資料分析請求轉換為一系列經過優化處理的MapReduce運算。
· Apache HBase: 是一個高可靠性、高性能、面向列、可伸縮的分散式存儲系統，利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集群。
· Apache Sqoop: 是一個用來將Hadoop和關係型數據庫中的資料相互轉移的工具，可以將一個關係型數據庫（MySQL ,Oracle ,Postgres等）中的資料導進到Hadoop的HDFS中，也可以將HDFS的資料導進到關係型數據庫中。
· Apache Zookeeper: 是一個為分散式應用所設計的分佈的、開源的協調服務，它主要是用來解決分散式應用中經常遇到的一些資料管理問題，簡化分散式應用協調及其管理的難度，提供高性能的分散式服務
· Apache Mahout:是基於Hadoop的機器學習和資料採擷的一個分散式框架。Mahout用MapReduce實現了部分資料採擷演算法，解決了並行挖掘的問題。
· Apache Cassandra:是一套開源分散式NoSQL資料庫系統。它最初由Facebook開發，用於儲存簡單格式資料，集Google BigTable的資料模型與Amazon Dynamo的完全分散式的架構於一身
· Apache Avro: 是一個資料序列化系統，設計用於支援資料密集型，大批量資料交換的應用。Avro是新的資料序列化格式與傳輸工具，將逐步取代Hadoop原有的IPC機制
· Apache Ambari: 是一種基於Web的工具，支援Hadoop集群的供應、管理和監控。
· Apache Chukwa: 是一個開源的用於監控大型分散式系統的資料收集系統，它可以將各種各樣類型的資料收集成適合 Hadoop 處理的檔保存在 HDFS 中供 Hadoop 進行各種 MapReduce 操作。
· Apache Hama: 是一個基於HDFS的BSP（Bulk Synchronous Parallel)平行計算框架, Hama可用於包括圖、矩陣和網路演算法在內的大規模、大資料計算。
· Apache Flume: 是一個分佈的、可靠的、高可用的海量日誌聚合的系統，可用于日誌資料收集，日誌資料處理，日誌資料傳輸。
· Apache Giraph: 是一個可伸縮的分散式反覆運算圖處理系統， 基於Hadoop平臺，靈感來自 BSP (bulk synchronous parallel) 和 Google 的 Pregel。
· Apache Oozie: 是一個工作流引擎伺服器, 用於管理和協調運行在Hadoop平臺上（HDFS、Pig和MapReduce）的任務。
· Apache Crunch: 是基於Google的FlumeJava庫編寫的Java庫，用於創建MapReduce程式。與Hive，Pig類似，Crunch提供了用於實現如連接資料、執行聚合和排序記錄等常見任務的模式庫
· Apache Whirr: 是一套運行於雲服務的類庫（包括Hadoop），可提供高度的互補性。Whirr學支援Amazon EC2和Rackspace的服務。
· Apache Bigtop: 是一個對Hadoop及其周邊生態進行打包，分發和測試的工具。
· Apache HCatalog: 是基於Hadoop的資料表和存儲管理，實現中央的中繼資料和模式管理，跨越Hadoop和RDBMS，利用Pig和Hive提供關係視圖。
· Cloudera Hue: 是一個基於WEB的監控和管理系統，實現對HDFS，MapReduce/YARN, HBase, Hive, Pig的web化操作和管理。
2. Hadoop家族學習路線圖
下面我將分別介紹各個產品的安裝和使用，以我經驗總結我的學習路線。
Hadoop
· Yarn學習路線圖
Hive
Pig
· Pig學習路線圖
Zookeeper
HBase
Mahout
· 用R解析Mahout使用者推薦協同過濾演算法(UserCF)
· RHadoop實踐系列之三 R實現MapReduce的協同過濾演算法
Sqoop
Cassandra
跟上創新的腳步，不斷堅持：(TODO列表，不定期更新)
Avro, Ambari, Chukwa, Hama, Flume, Giraph, Oozie, Crunch, Whirr, Bigtop, HCatalog, Hue
歡迎大家留言，提出寶貴建議！
沒有留言:
張貼留言