<small id="bOHrZ"><th id="bOHrZ"><map id="bOHrZ"></map></th></small><embed id="bOHrZ"><ol id="bOHrZ"></ol></embed>
        • <sup id="bOHrZ"></sup>
          1. <option id="bOHrZ"></option><code id="bOHrZ"><kbd id="bOHrZ"><i id="bOHrZ"><dd id="bOHrZ"><optgroup id="bOHrZ"></optgroup></dd></i></kbd></code>

                <blockquote id="bOHrZ"></blockquote>
                  收藏本站 您好,欢迎来到电器网 请登录 免费注册 行业导航 产品 求购 企业 动态 展会 招聘
                  分享到:

                  杭州大数据技术Hadoop生态体系学习经典技术知识总结

                  大数据技术的核心是什么?Hadoop生态体系! Hadoop 是一个由 Apache 基金开发的分布式系统基础架构, 主要解决海量数据的存储和海量数据的分析计算问题。 广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop 生态圈。

                  通过这段时间在千锋的学习,总结了这一个月来学到的一些经典技术知识,记录一下!

                   

                  1. Sqoop:sqoop 是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql)间进行数据的传递,可以将一个关系型数据库(例如 : MySQL ,Oracle 等)中的数据导进到Hadoop  HDFS 中,也可以将 HDFS的数据导进到关系型数据库中。

                  2.Flume:Flume  Cloudera 提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume 支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。

                  3.Kafka:它 是一种高吞吐量的分布式发布订阅消息系统,它的特性在于:

                  1)通过磁盘数据结构提供消息的持久化,这种结构对于即使数以 TB 的消息存储也能够保持长时间的稳定性能。

                  2)高吞吐量,即使是非常普通的硬件 Kafka 也可以支持每秒数百万的消息。

                  3)支持通过 Kafka 服务器和消费机集群来分区消息。支持Hadoop 并行数据加载。

                  4Storm 为分布式实时计算提供了一组通用原语,可被用于“流处理”之中,实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm 也可被用于“连续计算”(continuous computation),对数据流做连续查询,在计算时就将结果以流的形式输出给用户。

                  5Spark 是当前流行的开源大数据内存计算框架。可以基于Hadoop 上存储的大数据进行计算。

                  6Oozie 是一个管理Hdoop 作业(job)的工作流程调度管理系统。Oozie 协调作业就是通过时间(频率)和有效数据触发当前的Oozie 工作流程。

                  7HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。

                  8Hive 是基于 Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的 sql 查询功能,可以将 sql 语句转换为 MapReduce 任务进行运行。其优点是学习成本低,可以通过类SQL 语句快速实现简单的 MapReduce 统计,不必开发专门的 MapReduce 应用,十分适合数据仓库的统计分析。

                  9语言:是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。

                  10Apache Mahout 是个可扩展的机器学习和数据挖掘库,当前Mahout 支持主要的个用例:

                  推荐挖掘:搜集用户动作并以此给用户推荐可能喜欢的事物。

                  聚集:收集文件并进行相关文件分组。

                  分类:从现有的分类文档中学习,寻找文档中的相似特征,并为无标签的文档进行正确的归类。

                  频繁项集挖掘:将一组项分组,并识别哪些个别项会经常一起出现。

                  11Zookeeper  Google  Chubby 一个开源的实现。它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、 分布式同步、组服务等。

                  ZooKeeper 的目标就是封装好复杂易出错的关键服务,将简单易用的接口和性能高效、功能稳定的系统提供给用户。

                  学习永不止步,日积月累才是技术学习的正确打开方式!

                   

                  千锋杭州校区:http://hz.mobiletrain.org/

                  咨询专线:400-811-9990 /0571-86893632/0571-86094032

                     QQ  : 1660794050

                  杭州旺田校区:浙江省杭州市江干区九堡旺田书画城A4

                  杭州龙驰校区:浙江省杭州市下沙经济技术开发区元成路199号龙驰智慧谷B7

                  杭州大数据技术Hadoop生态体系学习经典技术知识总结

                  分享到:
                  免责声明:
                  1)本信息由“北京千锋互联科技有限公司”发布,由“北京千锋互联科技有限公司”负责信息的合法性;
                  2)本站平台目的在于分享更多信息,不代表本站的观点和立场;信息仅供参考,不构成投资及交易建议。投资者据此操作,风险自担。
                  3)本信息如有侵权请将此链接发邮件至517763949@qq.com,本站将及时处理并回复。
                  4)《新著作权法草案》第六十九条规定:网络服务提供者为网络用户提供存储、搜索或者链接等单纯网络技术服务时,不承担与著作权或相关权有关的信息审查义务。网络用户利用网络服务实施侵犯著作权或者相关权行为的,被侵权人可以书面通知网络服务提供者,要求其采取删除、屏蔽、断开链接等必要措施。