大数据技术学习路线

一、大数据技术基础

1、linux操作基础

  • linux系统简介与安装
  • linux常用命令–文件操作
  • linux常用命令–用户管理与权限
  • linux常用命令–系统管理
  • linux常用命令–免密登陆配置与网络管理
  • linux上常用软件安装
  • linux本地yum源配置及yum软件安装
  • linux防火墙配置
  • linux高级文本处理命令cut、sed、awk
  • linux定时任务crontab

2、shell编程

  • shell编程–基本语法
  • shell编程–流程控制
  • shell编程–函数
  • shell编程–综合案例–自动化部署脚本

3、内存数据库redis

  • redis和nosql简介
  • redis客户端连接
  • redis的string类型数据结构操作及应用-对象缓存
  • redis的list类型数据结构操作及应用案例-任务调度队列
  • redis的hash及set数据结构操作及应用案例-购物车
  • redis的sortedset数据结构操作及应用案例-排行榜

4、布式协调服务zookeeper

  • zookeeper简介及应用场景
  • zookeeper集群安装部署
  • zookeeper的数据节点与命令行操作
  • zookeeper的java客户端基本操作及事件监听
  • zookeeper核心机制及数据节点
  • zookeeper应用案例–分布式共享资源锁
  • zookeeper应用案例–服务器上下线动态感知
  • zookeeper的数据一致性原理及leader选举机制

5、java高级特性增强

  • Java多线程基本知识
  • Java同步关键词详解
  • java并发包线程池及在开源软件中的应用
  • Java并发包消息队里及在开源软件中的应用
  • Java JMS技术
  • Java动态代理反射

6、轻量级RPC框架开发

  • RPC原理学习
  • Nio原理学习
  • Netty常用API学习
  • 轻量级RPC框架需求分析及原理分析
  • 轻量级RPC框架开发

二、离线计算系统 1、hadoop快速入门

  • hadoop背景介绍
  • 分布式系统概述
  • 离线数据分析流程介绍
  • 集群搭建
  • 集群使用初步

2、HDFS增强

  • HDFS的概念和特性
  • HDFS的shell(命令行客户端)操作
  • HDFS的工作机制
  • NAMENODE的工作机制
  • java的api操作
  • 案例1:开发shell采集脚本

3、MAPREDUCE详解

  • 自定义hadoop的RPC框架
  • Mapreduce编程规范及示例编写
  • Mapreduce程序运行模式及debug方法
  • mapreduce程序运行模式的内在机理
  • mapreduce运算框架的主体工作流程
  • 自定义对象的序列化方法
  • MapReduce编程案例

4、MAPREDUCE增强

  • Mapreduce排序
  • 自定义partitioner
  • Mapreduce的combiner
  • mapreduce工作机制详解

5、MAPREDUCE实战

  • maptask并行度机制-文件切片
  • maptask并行度设置
  • 倒排索引
  • 共同好友

6、federation介绍和hive使用

  • Hadoop的HA机制
  • HA集群的安装部署
  • 集群运维测试之Datanode动态上下线
  • 集群运维测试之Namenode状态切换管理
  • 集群运维测试之数据块的balance
  • HA下HDFS-API变化
  • hive简介
  • hive架构
  • hive安装部署
  • hvie初使用

7、hive增强和flume介绍

  • HQL-DDL基本语法
  • HQL-DML基本语法
  • HIVE的join
  • HIVE 参数配置
  • HIVE 自定义函数和Transform
  • HIVE 执行HQL的实例分析
  • HIVE最佳实践注意点
  • HIVE优化策略
  • HIVE实战案例
  • Flume介绍
  • Flume的安装部署
  • 案例:采集目录到HDFS
  • 案例:采集文件到HDFS

三、流式计算 1、Storm从入门到精通

  • Storm是什么
  • Storm架构分析
  • Storm架构分析
  • Storm编程模型、Tuple源码、并发度分析
  • Storm WordCount案例及常用Api分析
  • Storm集群部署实战
  • Storm+Kafka+Redis业务指标计算
  • Storm源码下载编译
  • Strom集群启动及源码分析
  • Storm任务提交及源码分析
  • Storm数据发送流程分析
  • Storm通信机制分析
  • Storm消息容错机制及源码分析
  • Storm多stream项目分析
  • 编写自己的流式任务执行框架

2、Storm上下游及架构集成

  • 消息队列是什么
  • Kakfa核心组件
  • Kafka集群部署实战及常用命令
  • Kafka配置文件梳理
  • Kakfa JavaApi学习
  • Kafka文件存储机制分析
  • Redis基础及单机环境部署
  • Redis数据结构及典型案例
  • Flume快速入门
  • Flume+Kafka+Storm+Redis整合

四、内存计算体系Spark 1、scala编程

  • scala编程介绍
  • scala相关软件安装
  • scala基础语法
  • scala方法和函数
  • scala函数式编程特点
  • scala数组和集合
  • scala编程练习(单机版WordCount)
  • scala面向对象
  • scala模式匹配
  • actor编程介绍
  • option和偏函数
  • 实战:actor的并发WordCount
  • 柯里化
  • 隐式转换

2、AKKA与RPC

  • Akka并发编程框架
  • 实战:RPC编程实战

3、Spark快速入门

  • spark介绍
  • spark环境搭建
  • RDD简介
  • RDD的转换和动作
  • 实战:RDD综合练习
  • RDD高级算子
  • 自定义Partitioner
  • 实战:网站访问次数
  • 广播变量
  • 实战:根据IP计算归属地
  • 自定义排序
  • 利用JDBC RDD实现数据导入导出
  • WorldCount执行流程详解

4、RDD详解

  • RDD依赖关系
  • RDD缓存机制
  • RDD的Checkpoint检查点机制
  • Spark任务执行过程分析
  • RDD的Stage划分

5、Spark-Sql应用

  • Spark-SQL
  • Spark结合Hive
  • DataFrame
  • 实战:Spark-SQL和DataFrame案例

6、SparkStreaming应用实战

  • Spark-Streaming简介
  • Spark-Streaming编程
  • 实战:StageFulWordCount
  • Flume结合Spark Streaming
  • Kafka结合Spark Streaming
  • 窗口函数
  • ELK技术栈介绍
  • ElasticSearch安装和使用
  • Storm架构分析
  • Storm编程模型、Tuple源码、并发度分析
  • Storm WordCount案例及常用Api分析

7、Spark核心源码解析

  • Spark源码编译
  • Spark远程debug
  • Spark任务提交行流程源码分析
  • Spark通信流程源码分析
  • SparkContext创建过程源码分析
  • DriverActor和ClientActor通信过程源码分析
  • Worker启动Executor过程源码分析
  • Executor向DriverActor注册过程源码分析
  • Executor向Driver注册过程源码分析
  • DAGScheduler和TaskScheduler源码分析
  • Shuffle过程源码分析
  • Task执行过程源码分析

五、机器学习算法 1、python及numpy库

  • 机器学习简介
  • 机器学习与python
  • python语言–快速入门
  • python语言–数据类型详解
  • python语言–流程控制语句
  • python语言–函数使用
  • python语言–模块和包
  • phthon语言–面向对象
  • python机器学习算法库–numpy
  • 机器学习必备数学知识–概率论

2、常用算法实现

  • knn分类算法–算法原理
  • knn分类算法–代码实现
  • knn分类算法–手写字识别案例
  • lineage回归分类算法–算法原理
  • lineage回归分类算法–算法实现及demo
  • 朴素贝叶斯分类算法–算法原理
  • 朴素贝叶斯分类算法–算法实现
  • 朴素贝叶斯分类算法–垃圾邮件识别应用案例
  • kmeans聚类算法–算法原理
  • kmeans聚类算法–算法实现
  • kmeans聚类算法–地理位置聚类应用
  • 决策树分类算法–算法原理
  • 决策树分类算法–算法实现

原文发布于微信公众号 - 加米谷大数据(DtinoneBD)

原文发表时间:2018-04-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Albert陈凯

Spark系列课程-0020Spark RDD图例讲解

我们从这节课开始,讲Spark的内核,英文叫做Spark Core,在讲Spark Core之前我们先讲一个重要的概念,RDD, ? image.png 我们S...

27270
来自专栏安富莱嵌入式技术分享

【二代示波器教程】第12章 示波器设计—DAC信号发生器的实现

本章节为大家讲解二代示波器中信号发生器的实现。这个功能还是比较实用的,方便为二代示波器提供测试信号。实现了正弦波,方波和三角波的频率,幅度以及占空比设置。

10820
来自专栏用户画像

Spark RDD

弹性分布式数据集(RDD)不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集,可以让你执行高速运算,而且是Apark Spark的核心。

12830
来自专栏加米谷大数据

Spark核心谈

在大数据领域,Spark平台因计算模型涵盖MapReduce,Streaming,SQL,Machine Learning,Graph等,为大数据计算提供一栈式...

15510
来自专栏PPV课数据科学社区

什么是 Apache Spark?大数据分析平台如是说

自从 Apache Spark 2009 年在 U.C. Berkeley 的 AMPLab 默默诞生以来,它已经成为这个世界上最重要的分布式大数据框架之一。S...

33760
来自专栏HappenLee的技术杂谈

流式计算与计算抽象化------《Designing Data-Intensive Applications》读书笔记15

MapReduce作业是独立于其他作业,输入与输出目录通过分布式存储系统串联。MapReduce作业的存在相互的依赖关系,前后相互依赖的作业需要将后面作业的输入...

10120
来自专栏祝威廉

Spark Streaming 的玫瑰与刺

说人话:其实就是讲Spark Streaming 的好处与坑。好处主要从一些大的方面讲,坑则是从实际场景中遇到的一些小细节描述。

8430
来自专栏华章科技

巧用MapReduce+HDFS,海量数据去重的五大策略

重复数据删除往往是指消除冗余子文件。不同于压缩,重复数据删除对于数据本身并没有改变,只是消除了相同的数据占用的存储容量。重复数据删除在减少存储、降低网络带宽方面...

12730
来自专栏斑斓

【大数据】Spark的硬件配置

从MapReduce的兴起,就带来一种思路,就是希望通过大量廉价的机器来处理以前需要耗费昂贵资源的海量数据。这种方式事实上是一种架构的水平伸缩模式——真正的以量...

60050
来自专栏行者悟空

Hive基本概念

27840

扫码关注云+社区

领取腾讯云代金券