大数据入门指南（GitHub开源项目）

项目GitHub地址：https://github.com/heibaiying/BigData-Notes

前 言

1. 大数据技术栈思维导图
2. 大数据常用软件安装指南

一、Hadoop

1. 分布式文件存储系统——HDFS
2. 分布式计算框架——MapReduce
3. 集群资源管理器——YARN
4. Hadoop单机伪集群环境搭建
5. Hadoop集群环境搭建
6. HDFS常用Shell命令
7. HDFS Java API的使用
8. 基于Zookeeper搭建Hadoop高可用集群

二、Hive

1. Hive简介及核心概念
2. Linux环境下Hive的安装部署
3. Hive CLI和Beeline命令行的基本使用
4. Hive 常用DDL操作
5. Hive 分区表和分桶表
6. Hive 视图和索引
7. Hive常用DML操作
8. Hive 数据查询详解

三、Spark

Spark Core :

1. Spark简介
2. Spark开发环境搭建
3. 弹性式数据集RDD
4. RDD常用算子详解
5. Spark运行模式与作业提交
6. Spark累加器与广播变量
7. 基于Zookeeper搭建Spark高可用集群

Spark SQL :

1. DateFrame 和 DataSet
2. Structured API的基本使用
3. Spark SQL外部数据源
4. Spark SQL常用聚合函数
5. Spark SQL JOIN 操作

Spark Streaming ：

1. Spark Streaming 简介
2. Spark Streaming 基本操作
3. Spark Streaming 整合 Flume
4. Spark Streaming 整合 Kafka

四、Storm

1. Storm和流处理简介
2. Storm核心概念详解
3. Storm单机环境搭建
4. Storm集群环境搭建
5. Storm编程模型详解
6. Storm项目三种打包方式对比分析
7. Storm集成Redis详解
8. Storm集成HDFS/HBase
9. Storm集成Kafka

五、Flink

TODO

六、HBase

1. Hbase 简介
2. HBase系统架构及数据结构
3. HBase基本环境搭建(Standalone /pseudo-distributed mode)
4. HBase集群环境搭建
5. HBase常用Shell命令
6. HBase Java API
7. Hbase 过滤器详解
8. HBase 协处理器详解
9. HBase 容灾与备份
10. HBase的SQL中间层——Phoenix
11. Spring/Spring Boot 整合 Mybatis + Phoenix

七、Kafka

1. Kafka 简介
2. 基于Zookeeper搭建Kafka高可用集群
3. Kafka 生产者详解
4. Kafka 消费者详解
5. 深入理解Kafka副本机制

八、Zookeeper

1. Zookeeper 简介及核心概念
2. Zookeeper单机环境和集群环境搭建
3. Zookeeper常用Shell命令
4. Zookeeper Java 客户端——Apache Curator
5. Zookeeper ACL权限控制

九、Flume

1. Flume简介及基本使用
2. Linux环境下Flume的安装部署
3. Flume整合Kafka

十、Sqoop

1. Sqoop简介与安装
2. Sqoop的基本使用

十一、Azkaban

1. Azkaban简介
2. Azkaban3.x 编译及部署
3. Azkaban Flow 1.0 的使用
4. Azkaban Flow 2.0 的使用

十二、Scala

1. Scala简介及开发环境配置
2. 基本数据类型和运算符
3. 流程控制语句
4. 数组——Array
5. 集合类型综述
6. 常用集合类型之——List & Set
7. 常用集合类型之——Map & Tuple
8. 类和对象
9. 继承和特质
10. 函数 & 闭包 & 柯里化
11. 模式匹配
12. 类型参数
13. 隐式转换和隐式参数

十三、公共内容

1. 大数据应用常用打包方式

后 记

• 资料分享与开发工具推荐
  

  项目GitHub地址：https://github.com/heibaiying/BigData-Notes