Hadoop学习

Hadoop是Apache软件基金会旗下的一款Java开源软件框架，提供了大数据存储、计算的一套解决方案。

• Hadoop HDFS 分布式文件系统：解决海量数据存储
• Hadoop MAPREDUCE 分布式运算编程框架：解决海量数据计算
• Hadoop YARN 作业调度和集群资源管理框架：解决集群资源任务调度

1. 海量数据如何存储？

   分布式存储

2. 海量数据如何计算？

   分布式计算

数据：

• 是事实或观察的结果
• 是对客观事物的逻辑归纳
• 适用于表示客观事物的未经加工的原始素材

数据的产生：

• 对客观事物的计量和记录产生数据

数据存储单位：

大数据：

• 是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据结合
• 是需要新处理模式才能具有更强的决策力、洞察发现里和流程优化能力的海量、高增长率

大数据时代：

• 《大数据时代》纪录片

挑战：

• 存储
• 计算

• Volume 数据体量大
  • 采集数据量大
  • 存储数据量大
  • 计算数据量大
  • TB、PB级别起步
• Variety 种类、来源多样化
  • 种类：结构化（便于解析的数据）、半结构化（json）、非结构化
  • 来源：日志文本、图片…
• Value 低价值密度
  • 信息海量但是价值密度低
  • 深度复杂的挖掘分析需要机器学习参与
• Velocity 速度快
  • 数据增长速度快
  • 获取数据速度快
  • 数据处理速度快
• Veracity 数据的质量
  • 数据的准确性
  • 数据的可信赖度

• 电商领域

  精准广告位、个性化推荐、大数据杀熟

• 传媒领域

  精准营销、猜你喜欢、交互推荐

• 金融领域

  信用评估、风险管控、客户细分、精细化营销

• 交通领域

  拥堵预测、智能红绿灯、导航最优规划

• 电信领域

• 医疗领域

  智慧医疗、疾病预防、病原追踪

• ……

1. 明确分析目的和思路

   • 目的是整个分析流程的起点

   • 思路是使分析框架体系化

   • 数据分析方法论：营销管理相关理论

     用户行为理论、PEST分析法、5W2H分析法、逻辑树分析法、4P营销理论

2. 数据收集

   • 数据从无到有的过程

   • 数据传输搬运的过程

     • 业务数据 RDBMS

     • 日志数据

     • 爬虫数据

     • 互联网公开数据

3. 数据处理

   数据清洗、数据转换、数据提取、数据计算

4. 数据分析

   • 用适当的分析方法及工具，对处理过的数据进行分析
   • 数据挖掘本质是一种高级的数据分析方法

5. 数据展现

   数据可视化

6. 报告撰写