Hadoop是一个由Apache基金会所开发的分布式系统基础架构，他从0.x版本到现在的3.0版本，经历了各种变化。但是变化中有不变的是他的主要功能就是Hdfs（分布式文件存储） ，Mapreduce（分布式并行计算框架）。
其中，Hdfs主要是用来进行文件的存储，他涉及文件存储不同压缩方式，文件存储在各个节点是否均衡等。
Mapreduce用来并行计算数据，他通过简单的Mapper，combine，parttion，reducer的过程对批量的数据进行了格式化，排序等处理，他涉及mapper个数，重写combine，partition，reducer的个数等。
我们要对Hadoop有个初步的认识，才能为我们进一步研究别的大数据框架做好准备。
在这里相信有许多想要学习大数据的同学，大家可以+下大数据学习裙：957205962，即可免费领取套系统的大数据学习教程
先谈一下如何才能进行hadoop入门——
学会一门语言最好学习java，因为hadoop框架大部分是java编写的。然后可以深入了解一下java NIO，多线程编程，jvm的原理等。
系统层面学会使用linux的基本shell命令，比如vi、cat、grep、scp等，因为你学习hadoop得首先会安装hadoop。
到网上观看一些免费的hadoop培训视频，很多网上的培训老师讲的还是很不错的，我们可以参照他们的视频从本地的hadoop Mapreduce的环境搭建，然后尝试编写mapreduce进行打包运行。
当你对hadoop应用编程层面没有疑问的时候，可以尝试去深入了解mapreduce的核心思想，尤其是map，shuffle，join，reduce等。
再总结一下Hadoop入门的学习中可能遇到的问题——
1.常用Mapreduce进行数据处理的场景包括哪些？
- 文件统计行数
- 抽取文件中每行特定的字符或者对某个字段进行规整
- 对结构化文件的特定字段进行排序
- 文件之间进行关联
- 统计文件包含特定字符的个数等
2.在Hadoop使用中，应该如何诊断和分析故障？
对于新手而言，可以从hadoop区分为hdfs mapreduce两块去对异常进行分类，然后可以百度看一下解决方式。当对hadoop有一定了解之后，可以通过异常的提示，结合自己对框架本身的理解去尝试定位问题。
网友评论