资源收集"/>
Hadoop、Pig、Hive、Storm、NOSQL 学习资源收集
- (一)hadoop 相关安装部署
- (二)hive
- (三)pig
- (四)hadoop原理与编码
- (五)数据仓库与挖掘
- (六)Oozie工作流
- (七)HBase
- (八)flume
- (九)sqoop
- (十)ZooKeeper
- (十一)NOSQL
- (十二)Hadoop 监控与管理
- (十三)Storm
- (十四)YARN & Hadoop 2.0
- (十五)hadoop 数据平台架构
- 附:
(一)hadoop 相关安装部署
1、hadoop在windows cygwin下的部署:
2、hadoop 伪分布式安装:
/
3、hadoop全分布式安装教程:
4、实战 windows7 下 eclipse 远程调试 linux hadoop
5、单台服务器上安装Hadoop和Hive十五分钟教程
/
ssh-keygen -t dsa -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
=wb
注意:
在centos下,仅仅上述操作是不行的,还需要如下步骤:
?1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | sudo vi /etc/ssh/sshd_config RSAAuthentication yes PubkeyAuthentication yes AuthorizedKeysFile . ssh /authorized_keys service sshd restart 注: ssh 可同时支持publickey和password两种授权方式,publickey默认不开启,需要配置为 yes 。 如果客户端不存在. ssh /id_rsa ,则使用password授权;存在则使用publickey授权; 如果publickey授权失败,依然会继续使用password授权。不要设置 PasswordAuthentication no ,它的意思是禁止密码登录,这样就只能本机登录了! 但是此时依然会报错, Permission denied (publickey,gssapi-keyex,gssapi-with-mic). 然后: vi /etc/selinux/config SELINUX=disabled chmod 700 ~/. ssh chmod 600 ~/. ssh /authorized_keys 最后重启你的 linux 执行 ssh localhost |
.htm
.shtml
.php?topic_id=33048
8、hadoop集群搭建总结
.html
9、Hadoop For Windows
/
10、Build and Install Hadoop 2.2 or newer on Windows
11、Build, Install, Configure and Run Apache Hadoop 2.2.0 in Microsoft Windows OS
.2.0-microsoft-windows-os
(二)hive
1、基于hive的日志统计实战:
2、Hive实例:CSDN十大常用密码
.html
(安装步骤)
3、hive官方教程:
4、Hive 随谈(四)– Hive QL
# JOIN
.html
5、写好Hive 程序的五个提示
#排序
6、Hadoop数据仓库工具--hive介绍(百度)
.html
7、hive 分享(淘宝网)
.html
8、hive简介(美丽说)
.html
9、Hive学习笔记(阿里巴巴)
.html
10、Hive - 运用于hadoop的拍字节范围数据仓库(论文)
.html
11、Hive: SQL for Hadoop(An Essential Tool for Hadoop-based Data Warehouses)
12、Programming Hive
.html
13、Hive 随谈(六)– Hive 的扩展特性:
File Format、SerDe、Map/Reduce 脚本(Transform)、UDF、UDAF
14、hive 数据倾斜总结
15、用hive查询json格式的复杂数据
/
16、同事总结的hive sql 优化
17、通过 thrift 接口实现 python 查询 hive 数据仓库
18、通过 thrift 接口实现 php 查询 hive 数据仓库(以及phpHiveAdmin简介)
.html
.html
19、Hive SQL使用和数据加载的一点总结
20、hive优化之——控制hive任务中的map数和reduce数
21、hive中一些实用的小技巧
22、数据仓库数据模型之:极限存储--历史拉链表
23、Programing Hive读书笔记
.html
24、数据开发技术概览(一淘数据部)
/%E6%95%B0%E6%8D%AE%E5%BC%80%E5%8F%91%E6%8A%80%E6%9C%AF-%E5%86%B7%E5%B7%9D.pdf
25、Hive r0.9.0中文文档(二)之联表查询Join
26、基于Hadoop的内部海量数据服务平台(淘宝网)
27、hive 配置参数说明
.html
.html
28、hive 调优(Hortonworks)
29、Hive 基础之:分区、桶、Sort Merge Bucket Join(桶 join)
30、深入学习《Programing Hive》:Tuning
31、利用SemanticAnalyzerHook来过滤不加分区条件的Hive查询
(三)pig
1、pig 实战
.html
2、pig官方教程
/
3、Apache Pig中文教程集合
/?p=4550
4、Programming Pig
.html
=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&ved=0CCcQFjAA&url=http%3A%2F%2Fbigdata.googlecode%2Ffiles%2FOreilly.Programming.Pig.Sep.2011.pdf&ei=DLGDUNbcI4aTiQfus4HADQ&usg=AFQjCNGzTHIYcc2GuU6ko0TgIKm3UN9T5Q&sig2=2DZtn3yP4KVqro7xt_qAOA
5、PigFly:hadoop 统一数据分析平台设计(淘宝)
.html
6、用 Apache Pig 处理百万歌曲数据(cloudera)
/
7、Pig Latin: A Not-So-Foreign Language for Data Processing(斯坦福大学论文)
8、Lecture 09: Parallel Databases, Big Data, Map/Reduce, Pig-Latin
9、Pig Queries Parsing JSON on Amazons Elastic Map Reduce Using S3 Data
/
10、pig cookbook:性能调优
.7.0/cookbook.html
.10.0/perf.html#Replicated-Joins
11、pig stream 用法:
12、Analyzing Big Data with Twitter
UC Berkeley Course Lectures: Analyzing Big Data With Twitter
/ 在线观看,自备梯子
.htm 金山快盘下载
13、Apache Pig 性能优化
.html
14、Hadoop pig进阶语法
.html
15、在java中嵌入pig:Embedding Pig In Java Programs
16、Pig 邮件组用户精华问题汇总
/
(四)hadoop原理与编码
1、hadoop使用中的几个小细节
2、hadoop中map-reduce相关过程与概念的理解:更多请浏览目录
4、IBM developerworks:用 Hadoop 进行分布式并行编程系列, 第 1 ~3 部分
/
.html
/
5、分布式计算开源框架Hadoop介绍
6、Hadoop基本流程与应用开发( Java )
7、hadoop 源码分析
/?page=2
8、hadoop数据流、作业提交分析
.html
9、Hadoop管理员的十个最佳实践
10、hadoop、hive源码分析及使用分享
/?cat=7#
11、Hadoop计算能力调度器应用和配置(区别于默认的FIFO队列调度)
.html
12、浅析Hadoop 中的调度策略
.html
/
Hadoop-0.20.2公平调度器算法解析
/
Hadoop计算能力调度器算法解析
/
Hadoop Capacity Scheduler配置使用记录
.html
hadoop mapred-queue-acls 多队列调度配置
Hadoop资源感知调度器简介
13、hadoop作业调优参数整理及原理
.html
14、比较全的hadoop源码分析
15、如何在Hadoop上编写MapReduce程序
/
16、Hadoop学习笔记(二):从map到reduce的数据流
.html
17、通过Hadoop的API管理Job
18、揭秘InputFormat:掌控Map Reduce任务执行的利器
19、Hadoop MapReduce开发最佳实践(上篇)
20、Hadoop实例:二度人脉与好友推荐
21、探索大数据分析和 Hadoop
.html
22、Hadoop关于处理大量小文件的问题和解决方法
23、下一代 Hadoop YARN 简介:相比于MRv1,YARN的优势
24、HDFS基本知识整理
.html
.html
25、海量小文件的存储和检索:facebook 图片存储架构
.html
26、Hadoop -- MapReduce过程
.html
27、MapReduce: 详解 Shuffle 过程
Shuffle过程剖析及性能优化
混洗和排序
.html 部分执行流程
Hadoop/MapReduce/Reducer wiki
28、Hadoop MapReduce Job性能调优——修改Map和Reduce个数
hive执行作业时reduce任务个数设置为多少合适
29、Hadoop分布式文件系统(HDFS)可靠性的研究与优化(硕士论文)
.html
30、Apache Avro 与 Thrift 比较
31、Hadoop Job Tuning(hadoop作业调优)
.html
32、mapreduce的二次排序 SecondarySort
.html
33、Hadoop学习总结Map-Reduce的过程解析
34、Hadoop平台优化综述(一)
/
Hadoop平台优化综述(二)
/
35、hadoop 0.20.2版本升级到1.0.3 记录
.html
36、MapReduce – 用户编程接口简介
.html
Hadoop入门教程(四):MR作业的提交监控、输入输出控制及特性使用
.html
37、Quick Introduction To Apache Hadoop MapReduce Java API
38、中小规模Hadoop集群优化
39、namenode 内部关键数据结构简介
=wb
40、Mapreduce/Hadoop 在淘宝测试中的应用
应用MapReduce制作压测利器
HDFS性能压测工具浅析
用云存储实现对云计算的监控
41、Enable Multiple threads in a mapper aka MultithreadedMapper
.html
(五)数据仓库与挖掘
1、数据仓库基础培训
.html
.html
数据仓库层次结构规范
.html
2、数据仓库ods基础学习
.html
3、HBDW-PM-数据仓库基础
.html
4、mahout in action
/%5BMahout.in.Action(2011)%5D.Sean.Owen.pdf
5、数据仓库之 ETL漫谈
6、数据分析和数据挖掘的区别
(六)Oozie工作流
1、Oozie简介
2、跟着示例学Oozie
3、扩展Oozie
4、oozie相关安装配置与问题解决例子
5、oozie总结
.html
6、双十一后台数据分析利器 —— Apache Oozie 工作流调度系统介绍与 Tips
.html
7、大数据处理工作流调度系统——oozie及相关产品介绍
(七)HBase
1、hbase官方指南及其性能调优
.html
HBase性能优化方法总结
.htm HBase性能优化的四个要点
HBase性能参数调优
2、HBase技术介绍
.html
3、HBase入门篇2-Java操作HBase例子
.html
4、hbase基本概念和hbase shell常用命令用法
.html
5、 HBase简介
6、HBase 官方文档(中文版)
.html (0.90)
.html (0.95)
8、hbase系统架构及数据结构
9、[翻译] HBase存储架构
/%E7%BF%BB%E8%AF%91-hbase%E5%AD%98%E5%82%A8%E6%9E%B6%E6%9E%84/
10、HBase存储文件格式概述
11、Hbase, Hive and Pig 介绍(肯特大学)
.pptx
12、python 调用HBase 实例
13、hbase在淘宝的应用和优化小结
14、hbase伪分布式安装指南:
15、HBase上关于CMS、GC碎片、大缓存的一种解决方案:Bucket Cache
注:作者来自阿里,据称读性能能提升一个数量级,该patch已被hbase社区接受。
16、HBase 一些 tip
.html
.html 应用设计tip
17、阿里巴巴测试团队总结的一些 Hbase 问题:
(1)HBase 线上问题分析小记
(2)HBase Bug 知多少
(3)HBase使用中几个容易犯的小错误
18、为Hbase建立高可用性多主节点
.html
19、HBase二级索引与Join
20、HBase二级索引方案总结
.html
21、Hbase存储架构(整理)
22、HBase框架简介(整理)
23、HBase列族高级配置
.html
24、HBase Administration, Performance Tuning
25、阿里hbase业务设计实践
.htm?topicId=89
26、HBase业务实践(淘宝)
/?p=457
27、HBase Architecture(译)
/ 上
/ 中
/ 下
28、HBase性能深度分析
/
29、HBase in 2013:HBase 新特性介绍
/?p=434
30、HBase写数据过程
31、使用 HBase coprocessor 进行 Region Server 端的聚合计算
(1)使用HBase EndPoint(coprocessor)进行计算 .html
(2)HBase 利用Coprocessor实现聚合函数
(3)HBase coprocessor使用 .html
(4)玩转HBase: Coprocessor Endpoint (2):coprocessorProxy和coprocessorExec的合理运用
(八)flume
1、Flume日志收集 原理与实践
flume 真正分布式配置方法
Flume——安装与配置
.html
/
.html
flume总体集群建设方案
.html
2、官方文档:
.html
3、Flume NG 配置
4、flume概念
.html
5、flume-ng如何根据源文件名输出到HDFS文件名
.html
6、Hadoop的ETL任务—Flume使用及其优化(品友互动)
.html
7、基于Flume的美团日志收集系统(一)架构和设计
.html
8、基于Flume的美团日志收集系统(二)改进和优化
.html
(九)sqoop
1、sqoop的安装、配置及使用简介
=weibolife
2、Sqoop示例
3、使用Sqoop在HDFS和RDBMS之间导数据
.htm
4、Sqoop User Guide (v1.4.2)
.4.2/SqoopUserGuide.html?utm_source=weibolife#_introduction
5、用sqoop进行mysql和hdfs系统间的数据互导
.html
6、Mysql<->sqoop<->HDFS 数据交换实验
7、MapReduce直接连接Mysql获取数据
(十)ZooKeeper
1、ZooKeeper Administrator's Guide
.4.3/zookeeperAdmin.html
2、ZooKeeper快速搭建
3、ZooKeeper管理员指南——部署与管理ZooKeeper
=sinat
4、Zookeeper工作原理
=sa
5、分布式服务框架 Zookeeper -- 管理分布式环境中的数据
/
6、分布式服务框架:Zookeeper
.html
(十一)NOSQL
1、Redis资料汇总专题
.html
2、MongoDB资料汇总专题
.html
3、NoSQL数据库笔谈
.html
4、redis入门系列
.html
5、Redis经验谈
/
6、三英战SQL:解析NoSQL的可靠性及扩展操作
7、分布式缓存-Memcached
.html
8、Redis 设计与实现
/
9、SQL to MongoDB Mapping Chart
/
10、redis 常识
11、NoSQL反模式 - 文档数据库篇
/
12、SQL到NOSQL的思维转变
=wb
13、一致性hash算法 - consistent hashing
.html
(十二)Hadoop 监控与管理
1、云计算平台管理的三大利器Nagios、Ganglia和Splunk
/
2、不一样的HBase监控系统
/?p=140
3、Hadoop和HBase集群的JMX监控
4、hadoop 补丁升级
给hadoop 0.20.2打patch补丁
hadoop升级
5、Analyzing Data with Hue and Hive
/
6、Using Hue to Access Hive Data Through Pig
/
(十三)Storm
1、storm 简介及单机版安装指南
2、storm入门教程
3、Storm应用小结
/
4、分布式流式处理框架:Storm
.html
(十四)YARN & Hadoop 2.0
1、Hadoop 1.0与Hadoop 2.0资源管理方案对比
/
2、更快、更强——解析Hadoop新一代MapReduce框架Yarn
(十五)hadoop 数据平台架构
1、大众点评的大数据实践
2、从数据收集到海量处理和实时处理(唯品会)
更多推荐
Hadoop、Pig、Hive、Storm、NOSQL 学习资源收集
发布评论