需要精通java开发，有一定linux基础。
1、简介
大数据就是对海量数据进行数据挖掘。
已经有了很多框架方便使用，常用的有hadoop，storm，spark，flink等，辅助框架hive，kafka，es，sqoop，flume等。
常见应用推荐系统，用户画像等。
2、hadoop
hadoop有三个核心组件：
hdfs：分布式文件系统
mapreduce：分布式运算编程框架
yarn：分布式资源调度平台
3、hdfs原理
hdfs存放的就是文件，顶层目录是/，可以对文件进行增删改查移的操作。
只是单机文件是存在一台主机中，而hdfs是存在多个机器中。
hdfs的运行机制：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成。
一个存储的hdfs上的文件会由客户端指定备份几个副本，然后这个文件会被切块，分布的存在多个机器上，datanode负责在多个机器上进行存储，而这些存储信息（也叫做元数据）就存在namenode里。
4、安装部署hdfs
准备多台机器
配置host和ip
防火墙 jdk
上传hadoop包
修改hadoop-env.sh 指定JAVA_HOME
修改core-site.xml 指定为hdfs namenode位置
修改hdfs-site.xml 指定namenode存储元数据目录 datanode存放文件目录
hdfs-site.xml还可以配切片大小和副本数量
拷贝到各个机器
在namenode机器上 ：
初始化namenode元数据目录hadoop namenode -format
启动namenode hadoop-daemon.sh start namenode
启动所有datanode hadoop-daemon.sh start datanode
namenode datanode都是一个占用端口的软件进程，怎么启动都可以，一般会在第一台机器启动namenode，其他的启动节点datanode。
有一个web页：50070
5、hdfs客户端
三种客户端模式：网页 命令行 还有api网络连接
命令行：
上传文件
hadoop fs -put /本地文件 /hdfs路径
hadoop fs -copyFromLocal /本地文件 /hdfs路径 这个相当于put
hadoop fs -moveFromLocal /本地文件 /hdfs路径
下载文件
hadoop fs -get /hdfs中的路径 /本地磁盘目录
hadoop fs -copyToLocal /hdfs中的路径 /本地磁盘路径 这个相当于get
hadoop fs -moveToLocal /hdfs路径 /本地路径
创建文件夹 hadoop fs -mkdir -p /目录名
移动 hadoop fs -mv /hdfs的路径 /hdfs的另一个路径
删除 hadoop fs -rm -r /文件或文件夹
修改权限 hadoop fs -chown user:group /hdfs路径
hadoop fs -chmod 744 /hdfs路径
追加 hadoop fs -appendToFile /本地文件 /hdfs中的文件
显示 hadoop fs -cat /hdfs中的文件
hadoop fs -tail /hdfs中的文件
hdfs的java客户端：
windows下开发hadoop，需要下载window版本的hadoop安装包，配置环境变量HADOOP_HOME，这样才可以在windows本地进行对hadoop的开发。
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hdp-01:9000"),conf,"root");
fs.copyFromLocalFile(new Path("本地路径"),new Path("hdfs的路径"));
fs.copyToLocalFile(new Path("hdfs的路径"),new Path("本地路径"))
6、hdfs核心原理
namenode管理的是元数据：hdfs目录结构，每一个文件的块信息（块的id，块的副本数量,块的存放位置）
**namenode记录元数据原理：
namenode的实时的完整的元数据存储在内存中；
namenode还会在磁盘中（dfs.namenode.name.dir）存储内存数据在某个时间点上的镜像文件；
namenode会把引起元数据变化的客户端操作记录在edits日志文件中。
**checkpoint原理：
secondarynamenode会定期从namenode上下载fsimage镜像和新生成的edits日志，然后加载fsimage 镜像到内存中，然后顺序解析edits文件，对内存中的元数据对象进行修改（整合）
整合完成后，将内存元数据序列化成一个新的fsimage，并将这个fsimage镜像文件上传给namenode
可以配置secondary namenode的启动位置和元数据保存目录
写文件原理：向namenode请求，切块，建立连接，流入到指定datanode。
读文件原理：向namenode请求，获取元数据信息，把所有块流下来。