大数据学习路线（自己制定，从零开始）

　　

 

　　yarn：可以理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManagerNodeManager。

　　MapReduce：软件框架，编写程序。

　　Hive：数据仓库可以用SQL查询，可以运行Map/Reduce程序。用来计算趋势或者网站日志，不应用于实时查询，需要很长时间返回结果。

　　HBase：数据库。非常适合用来做大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析

　　ZooKeeper：针对大型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，activestandby切换。

　　Sqoop：数据库相互转移，关系型数据库和HDFS相互转移

　　Mahout：可扩展的机器学习和数据挖掘库。用来做推荐挖掘，聚集，分类，频繁项集挖掘。

　　Chukwa：开源收集系统，监视大型分布式系统，建立在HDFS和Map/Reduce框架之上。显示、监视、分析结果。

　　Ambari：用于配置、管理和监视Hadoop集群，基于Web，界面友好。

　　二、Cloudera

　　ClouderaManager：管理监控诊断集成

　　ClouderaCDH：(Cloudera'sDistribution，includingApacheHadoop)Cloudera对Hadoop做了相应的改变，发行版本称为CDH。

　　ClouderaFlume：日志收集系统，支持在日志系统中定制各类数据发送方，用来收集数据。

　　ClouderaImpala：对存储在ApacheHadoop的HDFS，HBase的数据提供直接查询互动的SQL。

　　Clouderahue：web管理器，包括hueui，huiserver，huidb。hue提供所有CDH组件的shell界面的接口，可以在hue编写mr。

　　三、机器学习/R

　　R：用于统计分析、绘图的语言和操作环境，目前有Hadoop-R

　　mahout：提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等，且可通过Hadoop扩展到云中。

　　四、storm

　　Storm：分布式，容错的实时流式计算系统，可以用作实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。

　　Kafka：高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据(浏览，搜索等)。相对Hadoop的日志数据和离线分析，可以实现实时处理。目前通过Hadoop的并行加载机制来统一线上和离线的消息处理

　　Redis：由c语言编写，支持网络、可基于内存亦可持久化的日志型、key-value型数据库。

　　五、Spark

　　Scala：一种类似java的完全面向对象的编程语言。

　　Spark：Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从而不需要读写HDFS，因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作，用过Mesos的第三方集群框架可以支持此行为。

　　Spark SQL：

　　Spark Streaming：一种构建在Spark上的实时计算框架，扩展了Spark处理大数据流式数据的能力。

　　Spark MLlib：MLlib是Spark是常用的机器学习算法的实现库，目前(2014.05)支持二元分类，回归，聚类以及协同过滤。同时也包括一个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。

　　Spark GraphX：GraphX是Spark中用于图和图并行计算的API，可以在Spark之上提供一站式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。

　　jblas：一个快速的线性代数库(JAVA)。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。

　　Fortran：最早出现的计算机高级程序设计语言，广泛应用于科学和工程计算领域。

　　BLAS：基础线性代数子程序库，拥有大量已经编写好的关于线性代数运算的程序。

　　LAPACK：著名的公开软件，包含了求解科学与工程计算中最常见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。

　　ATLAS：BLAS线性算法库的优化版本。

　　Spark Python：Spark是由scala语言编写的，但是为了推广和兼容，提供了java和python接口。

　　六、Python

　　Python:一种面向对象的、解释型计算机程序设计语言。

　　七、云计算平台

　　Docker：开源的应用容器引擎

　　kvm：(Keyboard Video Mouse)

　　openstack： 开源的云计算管理平台项目

​