云技术、大数据(hadoop)入门常见问题回答

发表: 2015-09-23 浏览: 3018

大数据在线答疑大数据云计算

问题导读：

当我们学习一门新技术的时候，我们总是产生各种各样的问题，这些问题整理出来，包括该

1.如何学习hadoop？

2.hadoop常见问题？

3.还有hbase、hive安装使用等？

你知道搭建hadoop平台需要些什么软件？

简单来讲就有多台电脑

没有多台电脑你就麻烦了：

需要懂虚拟机，懂网络配置，会编译hadoop。具体可以看下面内容

零基础学习hadoop到上手工作线路指导（初级篇）

学习Hadoop对Linux系统要求高不高？

hadoop就99.9%的跑在Linux上

你不会Linux，环境搭建就是个难题

可以看看这个

零基础学习hadoop到上手工作线路指导（初级篇）

http://www.aboutyun.com/thread-6780-1-1.html

hadoop怎么才算入门？

会搭建集群，会搭建开发环境，这是基本入门

零基础学习hadoop到上手工作线路指导（初级篇）

http://www.aboutyun.com/thread-6780-1-1.html

做hadoop的工作内容是什么?

hadoop分为运维和开发

运维一般是搭建集群环境，调优集群，保证集群良好运行

开发就是通过运行mapreduce等程序，让他完成我们想让hadoop集群完成的事情。

比如我们简单的，让hadoop统计单词，在比如做一个推荐系统等

用Hadoop构建电影推荐系统

学习hadoop,cygwin是干什么用的？

cygwin 是为了模拟Linux，你用Linux吧，window出了问题，也没人帮解决

windows 想装Hadoop需要换系统吗？

windows可以装虚拟机，内存要够大，4G勉强，8个还算不错。

学习hadoop需要什么基础？

Linux，虚拟化这些必备的，需要懂一些基本的，详细可以看

零基础学习hadoop到上手工作线路指导（初级篇）

http://www.aboutyun.com/thread-6780-1-1.html

cdh3 cdh4 和cdh5是什么意思？

这是Cloudera系列产品，Cloudera对hadoop做了相应的改变。

Cloudera公司的发行版，我们将该版本称为CDH（Cloudera Distribution Hadoop）。

CDH3，4，5是CDH的版本

具体可以参考：

大数据入门：各种大数据技术介绍

什么是基于列的数据库，nosql基于列是如何操作的？

基于的列的数据库，列是可以随便增加和删除的。这也是nosql与传统关系数据库不一致或则说是相反的地方。

这里一定弄清楚列于列族的关系，列族包含列。

以实战操作展示nosql与传统数据库的区别

hadoop只写mapreduce吗？

hadoop是一系列的内容：其本身来讲包括mapreduce、rest api.

hadoop一般不会单独使用，还包括hbase编程，hive等使用

什么是oom?

内存溢出

什么是HA?

HA是高可靠性，中文意思就是保险

比如hadoop,HA模式下主节点master挂掉，备用节点就会被启用

请教一下，有什么比较好的yarn入门的教程吗？

yarn就是一个资源管理器，mapreduce， storm，spark等，都可以跑在上面可以参考下面内容：

yarn详解

http://www.aboutyun.com/thread-7678-1-1.html

yarn你可以从这个板块里面找

http://www.aboutyun.com/forum-143-1.html

nosql与传统数据的区别是什么？

nosql的列是可以添加和删除的。列族，列的集合，列是动态增加的

详细可参考：

http://www.aboutyun.com/thread-7804-1-1.html

Linux的工具是什么？

Linux的工具对于传统开发人员比较难以理解，因为它都是使用的命令，没有图形界面。比如vi，vim,nano，我们使用的这些命令，其实使用的是文本编辑器，如同我们window打开的是txt与word。但是Linux是以命令的形式在使用。所以vi，vim可以暂时理解为工具。

其他传统开发人员比如.net、php，如何转行hadoop、云技术？

需要掌握Linux、基本的虚拟化、Java知识，详细可以参考

零基础学习hadoop到上手工作线路指导（初级篇）

hadoop工资怎么样？

hadoop工资比一般传统开发人员高一些。这个需要学习的成本会更大。新兴技术，人员也比较稀缺。以后就不知道了。

hadoop工作是否好找？

机会是有的，看你学习的水平

云技术开发使用什么语言？

云技术开发并没有发展新语言，重要的是框架。可以学习Java，python等。

openstack可以看看python

openstack开发，Python系列最全文档书籍下载

Java可以参考下面内容：

学习hadoop----java零基础学习线路指导视频(1)

这一篇我们使用什么开发工具，甚至考虑使用什么操作系统。然后就是Java基础知识篇，包括变量、函数等。

学习hadoop---Java初级快速入门指导（2）

第一篇是属于思想篇，那么这一篇属于实战篇，通过不同的方式，交给你怎么编写第一个小程序。

Java零基础：一步步教你如何使用eclipse创建项目及编写小程序实例

由于上面没有真正抽象出eclipse的使用，所以这里专门介绍了使用eclipse如何创建项目，及如何编写小程序实例

Java基础：eclipse编程不得不知道的技巧

eclipse基本知识会了之后，我们在项目，这些技巧相当有用，而且经常用到

hadoop开发方式总结及操作指导

这是第三篇，我们上面熟悉之后，就可以开发hadoop。但是因为hadoop是属于分布式，所以如果对Java越是熟悉，可能产生的问题就会越多。这里总结了hadoop的开发方式。

大数据、云技术开发与传统开发有什么不一样？

云技术、大数据开发是一种历史的倒退，程序员涉及到了使用命令运行程序。主要原因，window不适合运行大数据、云技术，使的IT技术人员不得不学习和使用Linux，幸好Linux桌面版已经很不错。

适应Linux，会使用Linux搭建集群，Java会使用maven编译程序，最好会使用git。

该如何学习云技术、大数据？
云技术大数据入门，可以参考下面帖子

云技术、云计算入门指导视频

根据上面内容，决定自己该学习哪门技术，

大数据可以

零基础学习hadoop到上手工作线路指导（初级篇）

openstack可以参考下面内容：

openstack学习线路指导

公司hadoop一般用什么框架

这个你可以到招聘网站上看看，不同的公司不一样，hadoop,hive，hbase很多公司都用

hadoop开发者使用什么操作系统

都有、centos，ubuntu，redhat

可以参考

零基础学习hadoop到上手工作线路指导（初级篇）

http://www.aboutyun.com/thread-6780-1-1.html

twitter Storm 与云计算有什么关系？算是云计算下的技术吗

Storm不算，算是大数据技术

hadoop系列（大数据）与云技术混肴澄清

hadoop、大数据多长时间入门

这个跟你的学习能力有关系，不可一概而论，短了一个月，长了4到5个月。

可以借助下面学习资料，加快入门速度

大数据入门：各种大数据技术介绍

云技术、云计算入门指导视频

零基础学习hadoop到上手工作线路指导（初级篇）

openstack学习线路指导

hadoop刚入行多少钱？

这个没法确定，都是根据个人的能力及工作经验，一般情况有工作一年Java，学习hadoop后拿到9000多的.

大数据处理常用技术有哪些?

storm,hbase,hive,sqoop.spark,flume,zookeeper如下

Apache Hadoop: 是Apache开源组织的一个分布式计算开源框架，提供了一个分布式文件系统子项目(HDFS)和支持MapReduce分布式计算的软件架构。
Apache Hive: 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，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。
Apache Pig: 是一个基于Hadoop的大规模数据分析工具，它提供的SQL-LIKE语言叫Pig Latin，该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。
Apache HBase: 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。
Apache Sqoop: 是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库（MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
Apache Zookeeper: 是一个为分布式应用所设计的分布的、开源的协调服务，它主要是用来解决分布式应用中经常遇到的一些数据管理问题，简化分布式应用协调及其管理的难度，提供高性能的分布式服务
Apache Mahout:是基于Hadoop的机器学习和数据挖掘的一个分布式框架。Mahout用MapReduce实现了部分数据挖掘算法，解决了并行挖掘的问题。
Apache Cassandra:是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，用于储存简单格式数据，集Google BigTable的数据模型与Amazon Dynamo的完全分布式的架构于一身
Apache Avro: 是一个数据序列化系统，设计用于支持数据密集型，大批量数据交换的应用。Avro是新的数据序列化格式与传输工具，将逐步取代Hadoop原有的IPC机制
Apache Ambari: 是一种基于Web的工具，支持Hadoop集群的供应、管理和监控。
Apache Chukwa: 是一个开源的用于监控大型分布式系统的数据收集系统，它可以将各种各样类型的数据收集成适合 Hadoop 处理的文件保存在 HDFS 中供 Hadoop 进行各种 MapReduce 操作。
Apache Hama: 是一个基于HDFS的BSP（Bulk Synchronous Parallel)并行计算框架, Hama可用于包括图、矩阵和网络算法在内的大规模、大数据计算。
Apache Flume: 是一个分布的、可靠的、高可用的海量日志聚合的系统，可用于日志数据收集，日志数据处理，日志数据传输。
Apache Giraph: 是一个可伸缩的分布式迭代图处理系统，基于Hadoop平台，灵感来自 BSP (bulk synchronous parallel) 和 Google 的 Pregel。
Apache Oozie: 是一个工作流引擎服务器, 用于管理和协调运行在Hadoop平台上（HDFS、Pig和MapReduce）的任务。
Apache Crunch: 是基于Google的FlumeJava库编写的Java库，用于创建MapReduce程序。与Hive，Pig类似，Crunch提供了用于实现如连接数据、执行聚合和排序记录等常见任务的模式库
Apache Whirr: 是一套运行于云服务的类库（包括Hadoop），可提供高度的互补性。Whirr学支持Amazon EC2和Rackspace的服务。
Apache Bigtop: 是一个对Hadoop及其周边生态进行打包，分发和测试的工具。
Apache HCatalog: 是基于Hadoop的数据表和存储管理，实现中央的元数据和模式管理，跨越Hadoop和RDBMS，利用Pig和Hive提供关系视图。
Cloudera Hue: 是一个基于WEB的监控和管理系统，实现对HDFS，MapReduce/YARN, HBase, Hive, Pig的web化操作和管理。