零基础学习hadoop到上手工作线路指导初级篇：hive及mapreduce

转自http://www.cnblogs.com/snowbook/p/5660572.html

这篇文章总结的很好，一步一步来，简单很多

hadoop 1.x分为
mapreduce与hdfs

其中mapreduce是很多人都需要迈过去的槛，它比较难以理解，我们有时候即使写出了mapreduce程序，但是还是摸不着头脑。
我们不知道key代表什么意思，我们不知道为什么会处理这个value。map有key、value，输出了key、value，有时候还会合并，reduce处理完毕之后又输出了key、value。这让我们产生了困惑，分不清。

mapreduce是一种编程模型，那么它能干什么，对我有什么用。它的原理是什么，为什么我们编写了map函数，reduce函数就可以在多台机器上运行。
这些问题或许都给初学者带来了困扰。是的，这些问题同样也困扰了我，这里写出来分享给大家，避免走同样的弯路。

面对mapreduce，有一篇文章，这里总结的很好，包括：该如何入门，该如何理解mapreduce，该如何练习mapreduce，该如何运用mapreduce。这里面介绍的很全。
mapreduce学习指导及疑难解惑汇总，内容包括：
---------------------------------------------------------------------------------------------------
1.思想起源：

我们在学习mapreduce，首先我们从思想上来认识。其实任何的奇思妙想，抽象的，好的想法、都来源于我们生活，而我们也更容易理解我们身边所发生事情。所以下面一篇便是从生活的角度，来让我们理解，什么是mapreduce。
Hadoop简介(1):什么是Map/Reduce

2.设计思路

我们从思想上认识了mapreduce，那么mapreduce具体是什么，我们需要看得见，摸得着。我们该如何实现这个思想，我们该如何设计mapreduce。那么现在来说说它的设计思路。

设计思路如何表示:ok下面的帖子，是通过一张图来表达的。
Mapreduce 整个工作机制图

mapreduce是hadoop的核心，正因为mapreduce，所以才产生了分布式。所以我们可能通过一张图，了解的不够清楚和详细。我们还需要了解里面的原理：
MapReduce工作原理讲解

 
3.模型实现

通过上面我们可能有了自己的一些看法。但是我们可能还是认识不太清楚。那么咱们在来看看编程模型，来进一步的了解。

MapReduce 编程模型概述


mapreduce编程模型


4.产生问题

我们看了上面的文章，这时候会有一些名词、概念进入我们的脑海。
除了map，reduce，task,job，shuffe，partition，combiner这些把我们给弄糊涂了。
我们产生问题如下：
map的个数由谁来决定，如何计算？
reduce个数由谁来决定，如何计算？
简单来讲map由split来决定，reduce则是由partition来决定。
详细可以查看
如何确定 Hadoop map和reduce的个数--map和reduce数量之间的关系是什么？

---------------------------------------------------------------------------------------------------
shuffle是什么？
partition是什么？
combiner是什麽？
他们三者之间的关系是什么？

mapreduce是hadoop核心，而shuffle是mapreduce的核心，shuffle个人认为它是一个动态的过程，包含了Combiner，merge等的过程，那么这里因为讲到shuffle，很多人都讲的全面，Combiner，merge，sort几乎全都讲了，这样讲是没有错误的，但是容易给初学者造成一个假象，那就是这些过程必须都是包含的，其实这些是根据个人的需求来确定的。
彻底了解mapreduce核心Shuffle--解惑各种mapreduce问题

对于Combiner的疑惑可以查看
Mapper过程中Combiner的作用
解决了下面问题

为什么需要在Mapper端进行归约处理？

为什么可以在Mapper端进行归约处理？

既然在Mapper端可以进行归约处理，为什么在Reducer端还要处理？

 

上面三个问题，可以查看帖子

hadoop中，combine、partition、shuffle作用分别是什么？

同样关于上面的问题可以参考
关于Mapper、Reducer的个人总结

 

5.编程实现

mapreduce是一种编程模型，我们认识了解，下面就需要编程实现了。那么mapreduce都能做些什么？下面我们可以看看

MapReduce初级案例（1）：使用MapReduce去重


MapReduce初级案例（2）：使用MapReduce数据排序


MapReduce初级案例（3）：使用MapReduce实现平均成绩


通过上面三个例子，也是我们验证前面所理解的内容。
同样可以参考下面内容

Hadoop mapper类的阅读

Hadoop reducer类的阅读

Mapreduce shuffle和排序

hadoop中mapreduce包及制作文档指导


Hadoop开发环境搭建及map-reduce开发实例讲解视频下载


如何进行Hadoop二次开发指导视频下载



6.mapreduce应用
上面是一些基本的知识，那么我们熟悉之后，其实有些地方，可以应用在其它方面。下面可以参考：

淘宝之HBase MapReduce实例分析


MapReduce在压力测试中的应用
---------------------------------------------------------------------------------------------------

这里在增加几篇：
深度了解mapreduce---MapReduce源码分析总结
此篇文章可以解决很多初学者的困惑，由浅入深讲的很不错。
新手指导：mapreduce不同类型的数据分到同一个分区是否会影响输出结果
由于在我们刚接触知识，会让我们造成误解，这里区分开了，分区与输出结果之间的关系。

新手指导：MapReduce中的分区方法Partitioner
这里讲解了分区是由谁来决定的，我们该如何分区

新手指导：mapreduce的key与value输入输出参数为什么会让你迷惑
对于新手这篇文章阐述了key，value为什么会让我们迷惑。

新手指导：让你真正了解mapreduce中map函数与reduce函数功能及key与value的含义
词牌你文章同样，从另外角度讲解了key，value，通过上面两篇或许你已经认识了key与value。

通过Wordcount实例解析map函数及reduce函数执行过程
很多新手在学习的过程中找不到标准，不知道mapreduce程序，每个过程，每行代码代表什么意思，这里给大家提供可以参考一下。

总结：如果已经把上面的文章都看过了，那么你对mapreduce如果说还不透彻，但是已经感觉对mapreduce会有自己的看法了。并且产生的各种问题，都有了自己的答案。


---------------------------------------------------------------------------------------------------
mapreduce熟悉了，还有一些问题困扰着初学者，虽然有了Java基础，但是我们需要搭建开发环境，该如何搭建开发环境：
hadoop开发方式总结及操作指导

开发方式有两种，但是其实本质是一样的，第一种方式只能操作hdfs，对于操作mapreduce，可能会遇到权限问题。所以可以采用第二种方式。也就是下面这篇所介绍的开发方式
新手指导：Windows上使用Eclipse远程连接Hadoop进行程序开发


---------------------------------------------------------------------------------------------------
因为在操作mapredcue过程中伴随着操作hdfs，就像我们传统开发，编程是离不开数据库一样。hdfs可以理解为传统编程的数据库，但是其实他不是，真正的数据库是hadoop data base，也就是hbase。好了下面，我们开始讲hdfs：

我们该如何学习hdfs:
什么是HDFS及HDFS架构设计

这里给我们一个初步的概念
HDFS体系结构简介及优缺点

初步了解之后，我们就需要了解它的组成，为了更好的使用它，我们就需要了解他的优点与缺点。

HDFS可以理解为数据库，因为我们既可以通过sql直接操作数据库，亦可以通过编程接口，通过编程语言来操作。那么HDFS则是可以通过shell来操作。
Hadoop Shell命令字典（可收藏）

Hadoop框架之HDFS的shell操作

HDFS Shell基本操作HDFS命令行接口

，同样hsfs的编程接口可以通过下面来了解：
HDFS的Java访问接口

Java创建hdfs文件实例

Hadoop培训笔记之HDFS编程

为了节省空间，我们还可以对hdfs数据进行压缩：
HDFS支持数据压缩的几种方法探讨



上面可以说是我们已经有了一定的了解，但是有的同学，想系统的了解，这里给大家提供一些资料。

HDFS必读书籍：HDFS-Hadoop分布式文件系统深度实践


Hadoop技术内幕 深入解析HADOOP COMMON和HDFS架构设计与实现原理大全1-9章


深入浅出Hadoop实战开发(HDFS实战图片、MapReduce、HBase实战微博、Hive应用)
----------------------------------------------------------------------------------------------
我们在学习和使用的过程中，会遇到很多的错误，这里也给大家提供几篇帖子
hadoop常见错误汇总及解决办法一

Hadoop常见错误问题及解决方法总结二

hadoop常见错误总结三

-----------------------------------------------------------------------------------------------------------------
至此hadoop1.x已经完毕了(后面有时间继续补充)

hadoop生态系统

hadoop生态系统内容还是比较多的，但是最常用的是hive，hbase，所以这里对他们也总结一下：
1.hive
首先我们需要hive是什么？
让你真正明白什么是hive
上面讲的很明白
1.hive是一个数据仓库
2.hive基于hadoop。
总结为一句话：hive是基于hadoop的数据仓库。
hive明白之后，如同我们明白了关系数据库是什么了，那么我们该如何使用操作它：
首先我们要安装，安装分为很多种分为单机遇集群安装。
可参考下面内容：（正在更新）
Hive安装指导

HIVE完全分布式集群安装过程（元数据库: MySQL）

上面需要说明的是hive默认数据库并不是mysql，但是因为默认数据库存在局限，所以最好使用mysql。

安装完毕，那么我们就需要练练手了，可以根据下面内容
hive基本操作
会了基本的操作还不够，如同我们需要了解sql语法一样，我们需要了解hive各种语法

Hadoop Hive sql语法详解1-认识hive及DDL操作

Hadoop Hive sql语法详解2-修改表结构

Hadoop Hive sql语法详解3--DML 操作:元数据存储

Hadoop Hive sql语法详解4--DQL 操作:数据查询SQL

Hadoop Hive sql语法详解5--HiveQL与SQL区别

这里面包含了加载数据、查询数据等各种操作。
上面是一些基本的操作，下面还有一些负责一些操作如：
Hive快捷查询：不启用Mapreduce job启用Fetch task三种方式介绍

Hive如何执行文件中的sql语句

Hive四种数据导入方式介绍

Hive中的三种不同的数据导出方式介绍

Hive如何创建索引

上面基本属于实战类型，我们还需要高级进阶，我们需要了解里面的原理，我们需要知道遇到问题，该如何解决。
原理：
全面了解hive

Hive体系结构介绍

hive实现原理

hive内部表与外部表区别详细介绍

HIVE中Join的专题---Join详解

让你彻底明白hive数据存储各种模式

Hive配置文件中配置项的含义详解（收藏版）

HIVE与传统数据库对比

hive详解

原理大致懂了，基本操作会了,我们可能又有了更进一步的认识，那么hive如何结合hadoop,hbase发挥作用，该如何发挥它的实际意义，被我们所用。

首先我们使用hive的时候，很多都与hbase相结合，这样发挥hive的长处，在各种查询数据方面相比hbase使用更方便。
hive为什么与hbase整合

Hive与HBase整合完整指导

hadoop、hbase、hive版本对应关系

上面是与hbase结合使用，那么我们该如何与编程语言向结合，可以参考下面内容：

通过JDBC驱动连接Hive操作实例

Hive:用Java代码通过JDBC连接Hiveserver介绍
Hive:用Java代码通过JDBC连接Hiveserver介绍

从 MapReduce 到 Hive 实战分析

hive实战

上面或许你已经对hive有所了解，下面的面试及遇到的问题，大家可参考
hive找不到创建的表了

Shark对Hive的支持与不支持的语法介绍

面试题：分别使用Hadoop MapReduce、hive统计手机流量

hive面试题目：表大概有2T左右，对表数据转换

hive如何通过设置日志定位错误

hive在腾讯分布式数据库时间分享

（暂时到此，以后更新）


如果到了这个地方。后面的内容你可以在看看视频。
hadoop新手入门视频
hadoop10G云计算和实战hadoop视频教程外加炼术成金和云计算视频(免费分享)
hadoop搭建集群线路指导


通过以上视频，搭建环境和开发环境都没有问题。以后有时间咱们可以再次展开和讨论。

相关文章推荐：
零基础学习hadoop到上手工作线路指导（编程篇）
http://www.aboutyun.com/thread-8329-1-1.html
零基础学习hadoop生态系统到上手工作线路指导（HBASE篇）
http://www.aboutyun.com/thread-8391-1-1.html