一、大数据基础
①大数据的四个特点：
- 大量（Volume）
- 高速（Velocity）
- 多样（Variety）
- 低价值密度（Value）
②大数据应用场景：
- 个性化推荐（短视频、商品、广告、精准投放）
- 零售（分析用户消费习惯，提升零售销量）
- 物流仓储、保险、金融、房产等
- 人工智能+5G+物联网+虚拟与现实
③大数据部门间业务流程：
产品人员提出需求（统计销售额、交易额、各地区销售TopN等）----》数据部门搭建数据平台、分析数据指标等---》数据可视化
④大数据部门组织结构：
二、Hadoop入门
①什么是Hadoop
- Apache基金会所开发的分布式系统基础架构
- 解救数据的存储和分析计算问题
- Hadoop更多的指Hadoop生态圈
②Hadoop发展历史
略
③Hadoop三大发行版本
Apache（）、Cloudera（CDH 2008）、Hortonworks（HDP、CD[被Cloudera收购后产物]）
④hadoop四大优势
- 高可靠性：Hadoop底层维护多个数据副本，即使某个计算元素或存储出现故障，也不会导致数据丢失。
- 高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
- 高效性：在MapReduce的思想下，Hadoop并行工作，拥有很快的任务处理速度。
- 高容错性：能够自动将失败的任务重新分配。
⑤Hadoop版本间区别
- Hadoop1.x：
- Hadoop2.x：
- Hadoop3.x： 组成上没有区别
⑥HDFS架构概述：
- 什么是HDFS： Hadoop Distributed File System简称HDFS，是一个分布式文件系统。如图示：
- 详细说明： Ⅰ. NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。 Ⅱ. Data Node（dn）：在本地文件系统存储文件块数据，以及块数据的校验和。 Ⅲ. Secondary NameNode（2nn）：每隔一段时间对nn元数据备份
⑦Yarn架构概述
1.什么是Yarn： Yarn（Yet Another Resource Negotiator），是另一种资源协调者，是Hadoop的资源管理器。
2.Yarn详细说明： Ⅰ、ResoureManger（RM）：整个集群资源（内存CPU等）的核心。 Ⅱ、NodeManager（NM）：单个节点服务器资源核心。 Ⅲ、ApplicationMaster（AM）：单个任务运行核心 Ⅳ、Container：容器，相当于独立的服务器，封装了任务运行所需资源，如内存、CPU、磁盘、网络等。
⑧MapReduce架构概述
1.什么是MapReduce： MapReduce将计算分为两个阶段：Map和Reduce。 Ⅰ、Map阶段并行处理输入数据。 Ⅱ、Reduce阶段对Map结果进行汇总。 2.MapReduce详细说明：
⑨HDFS、YARN、MapReduce之间的关系
⑩大数据技术生态体系
1.生态体系详解： Ⅰ、数据库（结构化数据B）：Sqoop数据传递（①）-->HDFS文件存储、HBase非关系型数据库（②）-->YARN资源管理（③）-->MapReduce离线计算、{Hive数据查询}（④）-->Oozie任务调度（⑤） Ⅱ、文件日志（半结构化数据B）：Flume日志收集（①）-->HDFS文件存储、HBase非关系型数据库（②）-->YARN资源管理（③）-->Spark Core内存计算、{Spark Mlib数据挖掘、Spark Sql数据查询}（④）-->Azkaban任务调度（⑤）。 Ⅲ、视频、ppt等（非结构化数据B）：Kafka消息队列（①、②）-->Storm实时计算、{Spark Streaming实时计算、Flink}（④） Ⅳ、B数据来源层：①数据传输层、②数据存储层、③资源管理层、④数据计算层、⑤任务调度层、⑥业务模型层（业务模型、数据可视化、业务应用等） Ⅴ、 Zookeeper贯穿①~⑤，负责数据平台配置和调度。
2.推荐系统框架图:
学习时长：1H20Min 学习时间：2022-8-23 15:43 至 2022-8-23 17:01
