大数据方面核心技术有哪些

想要成为大数据工程师，需要掌握计算机技术、hadoop、spark、storm开发、hive数据库、Linux操作系统等知识，具备分布式存储、分布式计算框架等技术，熟悉大数据处理和分析技术。其中，大数据生态体系的各个模块的功能和开发技术，包括Hadoop体系中的HDFS，Hbase进行数据操作，MapReduce进行数据开发，YARN进行资源配置，Hive完成数据仓库，Pig进行数据分析，以及Oozie，Zookeeper，Sqoop和Flume等模块。最后阶段将学习Spark生态体系，及其Scala基础和SparkSQL开发。

小编今天给大家整理了一些重要的技术，并简单介绍了一些，大家可以先了解一下!

Common：在2.2.0以前的大多数版本中，包含HDFS、MapReduce和其他项目公共内容，从2.2.0开始HDFS和MapReduce被分离为独立的子项目，其余内容为Hadoop Common。

Avro：新的数据序列化格式与传输工具，将逐步取代Hadoop原有的IPC机制。

MapReduce：并行计算框架，0.20前使用org.apache.hadoop.mapred旧接口，2.2.0版本开始引入org.apache.hadoop.mapreduce的新API。

HDFS：Hadoop分布式文件系统(Hadoop Distributed FileSystem)。

Pig：大数据分析平台，为用户提供多种接口。

Hive：数据仓库工具，由Facebook贡献。

Hbase：类似Google BigTable的分布式NoSQL列数据库。(HBase和Avro已经于2010年5月成为Apache项目)。

ZooKeeper：分布式锁设施，提供类似Google Chubby的功能，由Facebook贡献。

Sqoop：Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库(例如：MySQL,Oracle,Postgres等)中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。