1.1 大数据简介-hadoop-最全最完整的保姆级的java大数据学习资料

目录

• 1 hadoop-最全最完整的保姆级的java大数据学习资料
  • 1.1 大数据简介
    • 1.1.1 大数据的定义
    • 1.1.2 大数据的特点
    • 1.1.3 大数据的应用场景
    • 1.1.4 大数据的发展趋势及职业路线
      • 1.4.4.1 大数据发展趋势
      • 1.4.4.2 大数据职业发展路线

1 hadoop-最全最完整的保姆级的java大数据学习资料

大数据技术解决的是什么问题？

大数据技术解决的主要是海量数据的存储和计算。

Hadoop的广义和狭义之分

狭义的Hadoop:指的是一个框架，Hadoop是由三部分组成：HDFS：分布式文件系统--> 存储； MapReduce:分布式离线计算框架-->计算；Yarn:资源调度框架

广义的Hadoop:广义Hadoop是不仅仅包含Hadoop框架，除了Hadoop框架之外还有一些辅助框 架。Flume：日志数据采集,Sqoop：关系型数据库数据的采集；

Hive:深度依赖Hadoop框架完成计算（sql），Hbase:大数据领域的数据库（mysql）

Sqoop：数据的导出

广义Hadoop指的是一个生态圈。

主要学习内容

第一部分：大数据简介(定义，特点，应用场景，发展趋势，职业发展路线)

第二部分：Hadoop简介(历史，发展路线-版本变更，发行版(CDH))

第三部分：Hadoop的重要组成(hdfs,mapreduce,yarn)

第四部分：Apache Hadoop 完全分布式集群搭建

第五部分：HDFS 分布式文件系统(架构，原理，常用api, 元数据管理，权限，日志采集的综合案例)

第六部分：MapReduce分布式计算框架 (原理，常用的编程规范等，大量案例练习-分区，排序-快 排-归并排序，压缩，自定义组件，综合案例)

第七部分：Yarn 资源调度框架(架构，原理，三种资源调度策略)

第八部分：Apche Hadoop核心源码剖析(nn，dn启动流程源码分析，nn高并发的支撑原理， hadoop3.0新特性)

第九部分： 调优及二次开发示例(hdfs,mr,yarn调优，nn常见GC问题，完成二次开发编译源码)

1.1 大数据简介

1.1.1 大数据的定义

​ 大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处 理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

1.1.2 大数据的特点

大数据的特点可以用 IBM 曾经提出的 “5V” 来描述，如下：

• 大量

  采集、存储和计算的数据量都非常大。

  计算机存储单位一般用B，KB，MB，GB，TB，PB，EB，ZB，YB，BB、NB、DB来表示， 它们之间的关系是
  
  1GB = 1024 MB
  
  1TB = 1024 GB
  
  1PB = 1024 TB
  
  1EB = 1024 PB
  
  1ZB = 1024 EB
  
  1YB = 1024 ZB
  
  1BB = 1024 YB
  
  1NB = 1024 BB
  
  1DB = 1024 NB

  以PB为例，PB级数据量有多大？是怎样的一个概念？

  假如手机播放MP3的速度为平均每分钟1MB，而1首歌曲的平均时长为4分钟，那么1PB存量的歌曲可以连续播放2000年。

  1PB 也相当于50%的全美学术研究图书馆藏书咨询内容。

  （1）1986年，全球只有0.02EB也就是约21000TB的数据量
  
  （2）2007年，全球就是280EB也就是约300000000TB的数据量，翻了14000倍
  
  （3）近些年，由于移动互联网及物联网的出现，各种终端设备的接入，各种业务形式的普 及，平均每40个月，全球的数据量就会翻倍！2012年，每天会产生2.5EB的数据量
  
  （4）基于IDC的报告预测，从2013年到2020年，全球数据量会从4.4ZB猛增到44ZB！而到了 2025年，全球会有163ZB的数据量！

  全球的数据量已经大到爆了！而传统的关系型数据库根本处理不了如此海量的数据！

• 高速

  在大数据时代，数据的创建、存储、分析都要求被高速处理，比如电商网站的个性化推荐尽可能要求实时完成推荐，这也是大数据区别于传统数据挖掘的显著特征。

• 多样

  数据形式和来源多样化。包括结构化、半结构化和非结构化数据，具体表现为网络日志、音 频、视频、图片、地理位置信息等等，多类型的数据对数据的处 理能力提出了更高的要求。

• 真实

  确保数据的真实性，才能保证数据分析的正确性

• 低价值

  数据价值密度相对较低，或者说是浪里淘沙却又弥足珍贵。互联网发展催生了大量数据，信息海量，但价值密度较低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题，也是一个有难度的课题。

1.1.3 大数据的应用场景

随着大数据的发展，大数据技术已经广泛应用在众多行业，比如仓储物流、电商零售、汽车、电信、生物医学、人工智能、智慧城市等等领域，包括在疫情防控战中，大数据技术也发挥了重要的作用。

• 仓储物流
  
  大数据技术驱动了仓储物流领域的智能化发展，以苏宁为例，苏宁物流可在全国的各级仓库间实现 智能分仓、就近备货和预测式调拨，实现”客户需要的商品就在离客户最近的配送中心“。

• 电商零售

  • 零售业 ” 啤酒+纸尿裤 “ 案例

• 个性推荐
  
  

• ” 双11购物节 “ 实时销售额大屏
  
  

• 汽车

  利用了大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活

• 电信
  
  移动联通根据用户年龄、职业、消费情况，分析统计哪种套餐适合哪类人群，对市场人群精准定制。

• 生物医学

  大数据可以帮助我们实现流行病预测、智慧医疗、健康管理，同时还可以帮助我们解读DNA，了解更多的生命奥秘。比如影像大数据支撑下的早期肺癌支撑平台，基于大量病例数据样本，制定早期肺癌高危人群预警指标。
  
  

• 人工智能

• 智慧城市

  大数据有效支撑智慧城市发展，成为城市的”数据大脑“。比如，在智慧城市建设上，杭州始终走在全国前列。如覆盖面广的移动支付、新颖的在线医疗模式、创新的物流运输模式，都受到较大关注。2016年，杭州被《中国新型智慧城市》白皮书评为“中国最智慧的城市”。

大数据的价值，远远不止于此，大数据对各行各业的渗透，大大推动了社会生产和生活，未来必将产生重大而深远的影响。

1.1.4 大数据的发展趋势及职业路线

1.4.4.1 大数据发展趋势

1. 2015年党的十八届五中全会提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，大数据技术和应用处于创新突破期，国内市场需求处于爆发期，我国大数据产业面临重要的发展机遇

2. 2017年十九大报告明确 "推动互联网、大数据、人工智能和实体经济深度融合"

3. 2020年全国政协十三届三次会议新闻发布会上，更进一步强调：大数据、人工智能、5G是引领 未来发展的战略性技术

   显然，发展大数据是我国的战略性决策，前景自然不言而喻

4. 2017年北京大学、中国人民大学、北京邮电大学等25所高校成功申请开设大数据课程

5. 大数据属于高新技术，大牛少，升职竞争小

6. 2020年5月6日，人力资源和社会保障部发布《新职业—大数据工程技术人员就业景气现状分析报告》，报告显示：预计2020年中国大数据行业人才需求规模将达210万，2025年前大数据人才需求仍将保持30%~40%的增速，需求总量在2000万人左右

7. 在北京大数据开发工程师的平均薪水已经超越 1.5w 直逼2w，而且目前还保持强劲的发展势头

1.4.4.2 大数据职业发展路线

​ 目前大数据高、中、低三个档次的人才都很缺。现在我们谈大数据，就像当年谈电商一样，未来前景已经很明确，接下来就是优胜劣汰，竞争上岗。不想当架构师的程序员不是好架构师！但是，大数据发展到现阶段，涉及大数据相关的职业岗位也越来越精细。

​ 从职业发展来看，由大数据开发、挖掘、算法、到架构。从级别来看，从工程师、高级工程师，再到架构师，甚至到科学家。而且，契合不同的行业领域，又有专属于这些行业的岗位衍生，如涉及金融领域的数据分析师等。大数据的相关工作岗位有很多，有数据分析师、数据挖掘工程师、大数据开发工程师、大数据产品经理、可视化工程师、爬虫工程师、大数据运营经理、大数据架构师、数据科学家等等。

​ 从事岗位：ETL工程师，数据仓库工程师，实时流处理工程师，用户画像工程师，数据挖掘，算法工程师，推荐系统工程。