想要成為一名合格的全棧大數據開發(fā)工程師，需要知道大數據的整個生態(tài)圈，需要知道每一個組件的使用場景及使用方法，同時還需要對每一個組件有更深入的理解。以下是小編為你整理的0基礎大數據學習教程 ?

HDFS(Hadoop分布式文件系統(tǒng)) ?

源自于Google的GFS論文，發(fā)表于2003年10月，HDFS是GFS克隆版。 ?

HDFS是Hadoop體系中數據存儲管理的基礎。它是一個高度容錯的系統(tǒng)，能檢測和應對硬件故障，用于在低成本的通用硬件上運行。

HDFS簡化了文件的一致性模型，通過流式數據訪問，提供高吞吐量應用程序數據訪問功能，適合帶有大型數據集的應用程序。 ?

它提供了一次寫入多次讀取的機制，數據以塊的形式，同時分布在集群不同物理機器上。 ?

Mapreduce(分布式計算框架) ?

源自于google的MapReduce論文，發(fā)表于2004年12月，Hadoop MapReduce是google MapReduce 克隆版。 ?

MapReduce是一種分布式計算模型，用以進行大數據量的計算。它屏蔽了分布式計算框架細節(jié)，將計算抽象成map和reduce兩部分， ?

其中Map對數據集上的獨立元素進行指定的操作，生成鍵-值對形式中間結果。Reduce則對中間結果中相同“鍵”的所有“值”進行規(guī)約，以得到最終結果。 ?

MapReduce非常適合在大量計算機組成的分布式并行環(huán)境里進行數據處理。 ?

什么是數據挖掘 ?

是知識發(fā)現、商業(yè)智能、預測分析還是預測建模。其實都可以歸為一類：數據挖掘是一項探測大量數據以發(fā)現有意義的模式(pattern)和規(guī)則(rule)的業(yè)務流程。 ?

數據挖掘成功的關鍵是把其結合到業(yè)務流程中，并能夠促進數據挖掘人員和使用結果的業(yè)務用戶之間的通信。首先，必須明確，找到合適的業(yè)務需求，很多的人員，沒有在意這一點，導致解決的是對業(yè)務沒有幫助的問題。 ?

模型集中的每個變量都有一個與它相關的時間幀，它描述了該變量產生作用的時間段?？梢岳斫鉃閷υ谶^去一段時間的數據的整合，超過這個時間的數據就作廢。 ?

很多數據挖掘問題都可以概括為預測問題：基于過去的響應，基于過去的相應，誰將會有相應?基于過去的注銷記錄，誰有一個不良風險?解決問題*的辦法是限定輸入變量嚴格產生于目標變臉之前。 ?

剖析，從字面上的理解是，基于人口統(tǒng)計變量，例如：地理位置、性別和年齡等。剖析模型能發(fā)現同一條件下的關系，但他們不能指出原因和影響。出于這個原因，剖析模型經常使用客戶的人口統(tǒng)計信息作為輸入，而把客戶行為作為目標，在這種情況下，確定原因和影響更直觀。 ?

數據的收集方式有很多方法 ?

可以根據人們上網主要瀏覽的網頁，或者主要搜索的關鍵字，看出來到底人們對什么東西感興趣，也可以根據人們在社交軟件上面的聊天記錄來收集有用的信息，還可以通過讓別人做網頁上面的答卷來收集信息，知道人們對于一種東西的看法和態(tài)度。 ?

這些收集起來的數據就會全部都儲藏在一起，然后有用的時候就會用特殊的軟件來分析處理這些數據，*有*的數據，很多的公司也有自己的數據庫，一個公司的數據庫越大就代表了這個公司的實力越強，未來發(fā)展的可能性也就越大越好。

?

當然這些數據最主要的并不是大，而是有用的信息比較多，這樣分析出來的結果也就越準確，這些數據可以準確的反映現在社會上面發(fā)生的事情和現在人們的心理狀態(tài)，可以預測到很多事情的未來的發(fā)展方向，有的公司可以根據這些數據發(fā)現自己的不足和管理漏洞，及時的改變和處理，延長企業(yè)的壽命，增加企業(yè)的資產和競爭能力。 ?

通過數據，也可以知道現在社會上面主流的東西是什么，只有抓住主流的社會，才能跟上時代的步伐，順應歷史的潮流，抓住機遇，發(fā)展自己的公司和事業(yè)。 ?

大數據就是一個公司的軟實力，就好像是一個無形的資產，蘊含著很多的機會和信息，但是這些數據一定要好好的利用，不要用這些數據去做一些違背道德和違背法律的事情，否則一定要承擔法律的責任。 ?

Hadoop起源

Hadoop有個背景，就是起源于Apache Lucene項目中的一個搜索引擎Nutch。Lucene目前是世界上*，并且開源的搜索引擎框架和產品。Lucene本身就有非常多好的大數據經驗和思路。這為Hadoop預備了巨大能量，使得Hadoop注定是一個偉大的產品。 ?

其實是一個孩子給棕黃色大象的命名。Hadoop圖標在本系列中也隨處可見。Google也是一個這樣的例子。這樣有一個很好的點就是想到Hadoop，就會想到大數據，而不會是其他。 ?

Hadoop的出現是為了解決搜索引擎無法接受數以億計單位的數據量的問題。借助Google分享的GFS和MapReduce成熟理論，Hadoop一躍而出，成功解決了海量數據存儲和搜索的架構問題。未來Hadoop將支持更巨大的數據和更智能的數據管理。 ?

為什么選擇Hadoop，而不是其他數據處理架構，比如傳統(tǒng)關系型數據庫或者其他。Hadoop在我的眼里，更像是在“暴力解鎖”，它可以處理每一條數據，乃至每一種可能的設想。Hadoop的巨大貢獻在于快速分析大數據所隱藏的事實，這在過去也許需要幾天甚至幾個月的時間才能完成，而Hadoop很可能只需要幾分鐘甚至幾秒鐘的時間就可以很完整地做好!