刚入职场的菜鸟，这些大数据知识点，你必须掌握了！_大数据菜鸟入门(2)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

三、Map Reduce

1、InputFormat

• 1）默认的是TextInputformat  kv  key偏移量，v :一行内容
• 2）处理小文件CombineTextInputFormat 把多个文件合并到一起统一切片

2、Mapper

• setup()初始化；  map()用户的业务逻辑； clearup() 关闭资源；

3、分区

• 默认分区HashPartitioner ，默认按照key的hash值%numreducetask个数
• 自定义分区

4、排序

• 1）部分排序  每个输出的文件内部有序。
• 2）全排序：  一个reduce ,对所有数据大排序。
• 3）二次排序：  自定义排序范畴， 实现 writableCompare接口， 重写compareTo方法

5、Combiner

前提：不影响最终的业务逻辑（求和 没问题   求平均值）

提前聚合map  => 解决数据倾斜的一个方法

6、Reducer

• 用户的业务逻辑；
• setup()初始化；
• reduce()用户的业务逻辑；
• clearup() 关闭资源；

7、OutputFormat

• 1）默认TextOutputFormat  按行输出到文件
• 2）自定义

四、Yarn

• 1、Yarn的工作机制（面试题）
• 2、Yarn的调度器
  • 1）FIFO/容量/公平
  • 2）apache 默认调度器  容量； CDH默认调度器 公平
  • 3）公平/容量默认一个default ，需要创建多队列
  • 4）中小企业：hive  spark flink  mr
  • 5）中大企业：业务模块：登录/注册/购物车/营销
  • 6）好处：解耦  降低风险  11.11  6.18  降级使用
  • 7）每个调度器特点：
    • 相同点：支持多队列，可以借资源，支持多用户
    • 不同点：
      • 容量调度器：优先满足先进来的任务执行；
      • 公平调度器，在队列里面的任务公平享有队列资源
  • 8）生产环境怎么选：
    • 中小企业，对并发度要求不高，选择容量
    • 中大企业，对并发度要求比较高，选择公平。

添加公众号「信息技术智库」：

🍅 硬核资料：20G，8大类资料，关注即可领取（PPT模板、简历模板、技术资料）
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由各个技术群小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、前端等。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取