继之前的《史上最详细的 Hadoop 环境搭建（上篇）》《史上最详细的 Hadoop 环境搭建（中篇）》

继昨天分享的《史上最详细的 Hadoop 环境搭建（上篇）》，本以为分为两篇就能分享完，可是内容实在太多了，不得已才分为三篇，不愧是「史上最详细」

理解 HDFS 在 Hadoop 体系结构中的角色。 熟练使用 HDFS 操作常用的 Shell 命令。 熟悉 HDFS 操作常用的 Java API。

在大数据时代，要想个性化实现业务的需求，还是得操纵各类的大数据软件，如：hadoop、hive、spark 等。笔者（阿里封神）混迹 Hadoop 圈子多年，经历了云梯 1、ODPS 等项目，目前 base 在 E-Mapreduce。在这，笔者尽可能梳理下 hadoop 的学习之路。

本篇文章将会介绍 Hadoop 重要的计算框架 MapReduce。 实际运行层面，即算法逻辑作业在分布式主机中是以什么形式和什么流程运行的，因为自 MapReduce version2 以后，作业都是提交给 YARN 进行管理，所以本文将不会介绍此部分。 MapReduce是…

这是一篇入门文章，Hadoop 的学习方法很多。本文的思路是：以安装部署 Apache Hadoop2.x 版本为主线，来介绍 Hadoop2.x 的架构组成、各模块协同工作原理、技术细节。安装不是目的，通过安装认识Hadoop才是目的。

提醒一下，这里面需要有RPC的基础，如果对RPC没有了解的朋友，可以先跳转到以往写的两篇RPC文章中。 当然也不需要太过深入，知道点皮毛即可。因为Hadoop中有一个Hadoop RPC需要有点基础知识。 自然走的就是这个分支啦。 看到这里，就知道我们当时访问那个网站为啥是本机…

谈到大数据框架，现在最火的就是 Hadoop 和 Spark，倒底现在业界都在使用哪种技术？二者间究竟有哪些异同？它们各自解决了哪些问题？让我们通过本文来了解。

最近在学习Hadoop系统，目前学习了HDFS、Mapreduce、HBase、Hive、Zookeeper这些组件，因此尝试将学习的东西用思维导图的形式做一个总结回顾。