marsg-github / hadoop_study

一起学习hadoop生态圈下常用大数据组件 已有 Flink Kafka Hbase Scala Solr (项目包含hadoop思维导图 印象笔记 Scala版本简单demo 工具类 持续更新!!!)

hadoop

• hadoop科普
• 大数据书籍
• 大数据学习路线图

How Study

• 阅读官方文档
• 看大牛博客

hadoop 导图笔记

• hadoop伪分布式搭建
• hadoop介绍
• hadoop经典面试题及解题思路

hive

• 阅读官方文档
• 导图笔记
• hive必会50道sql
• hive在离线计算用的比较多,工作好找,有sql基础入门比较快
• hive开窗函数

Scala

• 阅读官方文档
• 导图笔记
• scala 工作中spark代码一般都是使用 Scala 实现 优先学!

Flink

• 官方文档
• Flink 阿里直播(每周四晚20:00-21:00))
• Flink示例代码-实时计算违反尾号限行车辆
• Flink 常见QA
• Flink介绍博客
• 真.流计算利器,但是资料比较少,建议直接看官方文档 我会将自己的翻译的文档和bug的解决方式不定期上传到Flink的对应目录下
• Flink开发满半年了 从无到有 现在日常使用flink进行简单的实时ETL和业务实时计算开发ok 不足:主要是写业务函数+简单算子,深点的东西还是没应用过(比如cep) 才刚开始

Spark

• 阅读官方文档
• 导图笔记

SparkStreaming

• 阅读官方文档
• 导图笔记

Spark Structured Streaming

• 阅读官方文档
• 导图笔记

HBase(phoenix)

• 文档笔记
• phoenix 自定义UDFs函数
• 见HBase目录,不定期更新

kafka

• 阅读官方文档
• 导图笔记
• 开源的消息队列,流计算架构一定要有的一个组件

redis

• Redis命令参考
• 导图笔记

solr

• 阅读官方文档
• 导图笔记
• 全文检索 solr+kerberos验证(巨坑,文档稍后上传)
• solr 实时创建索引延迟问题 (增量3000w/天)
• solr百亿规模数据优化

Eleasticsearch

• 占坑,可以直接使用dbms+es实现几千万数据可视化展示 汇总,底层跟solr一样,都是基于lucene
• ES性能优化-转载

MongoDB

kerberos

• 这个真恶心 人机/机机
• 2019-5-5 更新 Fusioninsigh下的所有组件互通已经调试好

springboot

• 用空还是要学一下 最近做了个springboot实现solr rest服务 套的公司应用层模板

持续更新...

• 会不定期的将在工作中接触大数据组件时做的去敏测试代码上传到对应的文件夹下供初学者参考,少走弯路 包括自己每天更新的大数据印象笔记 更新的进度和规划在issues 中
• 今年计划重心是在实时计算上Flink,下半年业务时间的规划 : sparksql或flinksql es