參加杭州千鋒大數據培訓 掌握Hadoop核心技術

今天小編給大家先分享一下大數據學習路線中需要掌握的兩大核心技術，知己知彼才能百戰不殆，學習大數據技術也是一樣的道理，要先有一個清晰的了解，才能確保自己全身心的投入學習。

Hadoop是什么?

Hadoop在2006年開始成為雅虎項目，隨后晉升為頂級Apache開源項目。它是一種通用的分布式系統基礎架構，具有多個組件：Hadoop分布式文件系統(HDFS)，它將文件以Hadoop本機格式存儲并在集群中并行化; YARN，協調應用程序運行時的調度程序; MapReduce，這是實際并行處理數據的算法。Hadoop使用Java編程語言構建，其上的應用程序也可以使用其他語言編寫。用一個Thrift客戶端，用戶可以編寫MapReduce或者Python代碼。

除了這些基本組件外，Hadoop還包括Sqoop，它將關系數據移入HDFS; Hive，一種類似SQL的接口，允許用戶在HDFS上運行查詢; Mahout，機器學習。除了將HDFS用于文件存儲之外，Hadoop現在還可以配置使用S3 buckets或Azure blob作為輸入。

它可以在Apache發行版開源，也可以用Cloudera(規模和范圍最大的Hadoop供應商)，MapR或HortonWorks等廠商提供。

Spark是什么?

Spark是一個較新的項目，在2012年誕生在加州大學伯克利分校的AMPLab。它也是一個頂級Apache項目，專注于在集群中并行處理數據，一大區別在于它在內存中運行。

類似于Hadoop讀取和寫入文件到HDFS的概念，Spark使用RDD(彈性分布式數據集)處理RAM中的數據。Spark以獨立模式運行，Hadoop集群可用作數據源，也可與Mesos一起運行。在后一種情況下，Mesos主站將取代Spark主站或YARN以進行調度。

Spark是圍繞Spark Core構建的，Spark Core是驅動調度，優化和RDD抽象的引擎，并將Spark連接到正確的文件系統(HDFS，S3，RDBM或Elasticsearch)。Spark Core上還運行了幾個庫，包括Spark SQL，允許用戶在分布式數據集上運行類似SQL的命令，用于機器學習的MLLib，用于解決圖形問題的GraphX以及允許輸入連續流式日志數據的Streaming。

Spark有幾個API。原始界面是用Scala編寫的，并且由于大量數據科學家的使用，還添加了Python和R接口。Java是編寫Spark作業的另一種選擇。

Databricks是由Spark創始人Matei Zaharia創立的公司，現在負責 Spark開發并為客戶提供Spark分銷。

大數據專業是一個很值得發展的專業，發展的前景很好。對于剛畢業的大學生來說，有機會可以選擇學習大數據技術，也可以通過參加大數據培訓來進入大數據行業發展，通過培訓，可以獲得更多的項目經驗。如果還有其他大數據專業的問題想要了解，可以去千鋒杭州大數據培訓班免費試聽兩周。更有免費的千鋒視頻教程幫助學員快速學習。

更多杭州千鋒培訓信息請訪問官網：http://hz.mobiletrain.org/

培訓咨詢熱線：0571-86893632    咨  詢  QQ  : 1660794050

千鋒杭州校址：浙江省杭州市江干區九堡旺田書畫城A座4層

參加杭州千鋒大數據培訓 掌握Hadoop核心技術