什么是大数据
概述
大数据（BIGDATA），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
大数据的特征
容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；
种类（Variety）：数据类型的多样性；
速度（Velocity）：指获得数据的速度；
可变性（Variability）：妨碍了处理和有效地管理数据的过程。
真实性（Veracity）：数据的质量
复杂性（Complexity）：数据量巨大，来源多渠道
价值（value）：合理运用大数据，以低成本创造高价值<br>
单位换算
1Byte = 8bit<br><br>1K=1024KByte<br><br>1MB = 1024K<br><br>1G = 1024MB<br><br>1T =1024G<br><br>1PB = 1024TB
学习路线
JAVA 面向对象编程语言
Linux 类Unix操作系统
Hadoop生态圈
HDFS 解决存储问题
MapReduce 解决计算问题
Yarn 资源协调者
Zookeeper 分布式应用程序协调服务
Flume 日志收集系统
Hive 基于Hadoop的数仓工具
HBase 分布式、面向列的开源数据库
Sqoop 数据传递工具
Scala 多范式编程语言、面向对象和函数式编程的特性
Spark 目前企业常用的批处理离线/实时计算引擎
Flink 目前最火的流处理框架、既支持流处理、也支持批处理
Elasticsearch 大数据分布式弹性搜索引擎
离线/实时项目
专业技能
1.熟练使用Hadoop,熟悉相应的常用工作流程与工作机制根据业务需求完成M/R的开发
2、熟悉HBase的存储原理，掌握HBase的常用操作
3.熟练使用SparkCore、SparkSal以及SparkStreaming的进行开发
4.掌握Spark工作原理与Spark调优
5.熟悉Hive工作原理，能够使用Hive进行海量数据的查询清洗分析计算
6.熟悉Kafka消息队列的工作机制熟练掌握Kafka生产者、消费者的使用
7.熟练使用Flume实现监听、上传、清洗，理解Flume框架的原理
8.理解Zookeeper的存储原理，会配置Zookeeper集群，以及常用API操作
9.熟练使用Linux操作命令，系统性能分析。Crontab定时任务脚本、集群群起脚本
10熟悉Redis数据库，掌握Redis五大数据结构操作、持久化、事务控制、主从复制
11.熟练掌握MySQL日常操作，掌握Sql的性能调优
12掌握Scala的基本使用，可以使用Scala进行Spark开发
