大数据技术学习路线总结

一、大数据技术基础 

1、linux操作基础

• linux系统简介与安装
• linux常用命令–文件操作
• linux常用命令–用户管理与权限
• linux常用命令–系统管理
• linux常用命令–免密登陆配置与网络管理
• linux上常用软件安装
• linux本地yum源配置及yum软件安装
• linux防火墙配置
• linux高级文本处理命令cut、sed、awk
• linux定时任务crontab

2、shell编程

• shell编程–基本语法
• shell编程–流程控制
• shell编程–函数
• shell编程–综合案例–自动化部署脚本

3、内存数据库redis

• redis和nosql简介
• redis客户端连接
• redis的string类型数据结构操作及应用-对象缓存
• redis的list类型数据结构操作及应用案例-任务调度队列
• redis的hash及set数据结构操作及应用案例-购物车
• redis的sortedset数据结构操作及应用案例-排行榜

4、布式协调服务zookeeper

• zookeeper简介及应用场景
• zookeeper集群安装部署
• zookeeper的数据节点与命令行操作
• zookeeper的java客户端基本操作及事件监听
• zookeeper核心机制及数据节点
• zookeeper应用案例–分布式共享资源锁
• zookeeper应用案例–服务器上下线动态感知
• zookeeper的数据一致性原理及leader选举机制

5、java高级特性增强

• Java多线程基本知识
• Java同步关键词详解
• java并发包线程池及在开源软件中的应用
• Java并发包消息队里及在开源软件中的应用
• Java JMS技术
• Java动态代理反射

6、轻量级RPC框架开发

• RPC原理学习
• Nio原理学习
• Netty常用API学习
• 轻量级RPC框架需求分析及原理分析
• 轻量级RPC框架开发

二、离线计算系统 

1、hadoop快速入门

• hadoop背景介绍
• 分布式系统概述
• 离线数据分析流程介绍
• 集群搭建
• 集群使用初步

2、HDFS增强

• HDFS的概念和特性
• HDFS的shell(命令行客户端)操作
• HDFS的工作机制
• NAMENODE的工作机制
• java的api操作
• 案例1：开发shell采集脚本

3、MAPREDUCE详解

• 自定义hadoop的RPC框架
• Mapreduce编程规范及示例编写
• Mapreduce程序运行模式及debug方法
• mapreduce程序运行模式的内在机理
• mapreduce运算框架的主体工作流程
• 自定义对象的序列化方法
• MapReduce编程案例

4、MAPREDUCE增强

• Mapreduce排序
• 自定义partitioner
• Mapreduce的combiner
• mapreduce工作机制详解

5、MAPREDUCE实战

• maptask并行度机制-文件切片
• maptask并行度设置
• 倒排索引
• 共同好友

6、federation介绍和hive使用

• Hadoop的HA机制
• HA集群的安装部署
• 集群运维测试之Datanode动态上下线
• 集群运维测试之Namenode状态切换管理
• 集群运维测试之数据块的balance
• HA下HDFS-API变化
• hive简介
• hive架构
• hive安装部署
• hvie初使用

7、hive增强和flume介绍

• HQL-DDL基本语法
• HQL-DML基本语法
• HIVE的join
• HIVE 参数配置
• HIVE 自定义函数和Transform
• HIVE 执行HQL的实例分析
• HIVE最佳实践注意点
• HIVE优化策略
• HIVE实战案例
• Flume介绍
• Flume的安装部署
• 案例：采集目录到HDFS
• 案例：采集文件到HDFS

三、流式计算 

1、Storm从入门到精通

• Storm是什么
• Storm架构分析
• Storm架构分析
• Storm编程模型、Tuple源码、并发度分析
• Storm WordCount案例及常用Api分析
• Storm集群部署实战
• Storm+Kafka+Redis业务指标计算
• Storm源码下载编译
• Strom集群启动及源码分析
• Storm任务提交及源码分析
• Storm数据发送流程分析
• Storm通信机制分析
• Storm消息容错机制及源码分析
• Storm多stream项目分析
• 编写自己的流式任务执行框架

2、Storm上下游及架构集成

• 消息队列是什么
• Kakfa核心组件
• Kafka集群部署实战及常用命令
• Kafka配置文件梳理
• Kakfa JavaApi学习
• Kafka文件存储机制分析
• Redis基础及单机环境部署
• Redis数据结构及典型案例
• Flume快速入门
• Flume+Kafka+Storm+Redis整合

四、内存计算体系Spark 

1、scala编程

• scala编程介绍
• scala相关软件安装
• scala基础语法
• scala方法和函数
• scala函数式编程特点
• scala数组和集合
• scala编程练习（单机版WordCount）
• scala面向对象
• scala模式匹配
• actor编程介绍
• option和偏函数
• 实战：actor的并发WordCount
• 柯里化
• 隐式转换

2、AKKA与RPC

• Akka并发编程框架
• 实战：RPC编程实战

3、Spark快速入门

• spark介绍
• spark环境搭建
• RDD简介
• RDD的转换和动作
• 实战：RDD综合练习
• RDD高级算子
• 自定义Partitioner
• 实战：网站访问次数
• 广播变量
• 实战：根据IP计算归属地
• 自定义排序
• 利用JDBC RDD实现数据导入导出
• WorldCount执行流程详解

4、RDD详解

• RDD依赖关系
• RDD缓存机制
• RDD的Checkpoint检查点机制
• Spark任务执行过程分析
• RDD的Stage划分

5、Spark-Sql应用

• Spark-SQL
• Spark结合Hive
• DataFrame
• 实战：Spark-SQL和DataFrame案例

6、SparkStreaming应用实战

• Spark-Streaming简介
• Spark-Streaming编程
• 实战：StageFulWordCount
• Flume结合Spark Streaming
• Kafka结合Spark Streaming
• 窗口函数
• ELK技术栈介绍
• ElasticSearch安装和使用
• Storm架构分析
• Storm编程模型、Tuple源码、并发度分析
• Storm WordCount案例及常用Api分析

7、Spark核心源码解析

• Spark源码编译
• Spark远程debug
• Spark任务提交行流程源码分析
• Spark通信流程源码分析
• SparkContext创建过程源码分析
• DriverActor和ClientActor通信过程源码分析
• Worker启动Executor过程源码分析
• Executor向DriverActor注册过程源码分析
• Executor向Driver注册过程源码分析
• DAGScheduler和TaskScheduler源码分析
• Shuffle过程源码分析
• Task执行过程源码分析

五、机器学习算法 

1、python及numpy库

• 机器学习简介
• 机器学习与python
• python语言–快速入门
• python语言–数据类型详解
• python语言–流程控制语句
• python语言–函数使用
• python语言–模块和包
• phthon语言–面向对象
• python机器学习算法库–numpy
• 机器学习必备数学知识–概率论

2、常用算法实现

• knn分类算法–算法原理
• knn分类算法–代码实现
• knn分类算法–手写字识别案例
• lineage回归分类算法–算法原理
• lineage回归分类算法–算法实现及demo
• 朴素贝叶斯分类算法–算法原理
• 朴素贝叶斯分类算法–算法实现
• 朴素贝叶斯分类算法–垃圾邮件识别应用案例
• kmeans聚类算法–算法原理
• kmeans聚类算法–算法实现
• kmeans聚类算法–地理位置聚类应用
• 决策树分类算法–算法原理
• 决策树分类算法–算法实现