大數據學習路線

java(Java se,javaweb)
Linux(shell,高并發架構,lucene,solr)
Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)
機器學習(R,mahout)
Storm(Storm,kafka,redis)
Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)
Python(python,spark python)?
云計算平臺(docker,kvm,openstack)

一、Linux
lucene： 全文檢索引擎的架構
solr： 基于lucene的全文搜索服務器，實現了可配置、可擴展并對查詢性能進行了優化，并且提供了一個完善的功能管理界面。

二、Hadoop
HDFS： 分布式存儲系統，包含NameNode，DataNode。NameNode：元數據，DataNode。DataNode：存數數據。
yarn： 可以理解為MapReduce的協調機制，本質就是Hadoop的處理分析機制，分為ResourceManager NodeManager。
MapReduce： 軟件框架，編寫程序。
Hive： 數據倉庫 可以用SQL查詢，可以運行Map/Reduce程序。用來計算趨勢或者網站日志，不應用于實時查詢，需要很長時間返回結果。
HBase： 數據庫。非常適合用來做大數據的實時查詢。Facebook用Hbase存儲消息數據并進行消息實時的分析
ZooKeeper： 針對大型分布式的可靠性協調系統。Hadoop的分布式同步等靠Zookeeper實現，例如多個NameNode，active standby切換。
Sqoop： 數據庫相互轉移，關系型數據庫和HDFS相互轉移
Mahout： 可擴展的機器學習和數據挖掘庫。用來做推薦挖掘，聚集，分類，頻繁項集挖掘。
Chukwa： 開源收集系統，監視大型分布式系統，建立在HDFS和Map/Reduce框架之上。顯示、監視、分析結果。
Ambari： 用于配置、管理和監視Hadoop集群，基于Web，界面友好。

二、Cloudera
Cloudera Manager： 管理 監控 診斷 集成
Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera對Hadoop做了相應的改變，發行版本稱為CDH。
Cloudera Flume： 日志收集系統，支持在日志系統中定制各類數據發送方，用來收集數據。
Cloudera Impala： 對存儲在Apache Hadoop的HDFS，HBase的數據提供直接查詢互動的SQL。
Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供所有CDH組件的shell界面的接口，可以在hue編寫mr。

三、機器學習/R
R： 用于統計分析、繪圖的語言和操作環境，目前有Hadoop-R
mahout： 提供可擴展的機器學習領域經典算法的實現，包括聚類、分類、推薦過濾、頻繁子項挖掘等，且可通過Hadoop擴展到云中。

四、storm
Storm： 分布式，容錯的實時流式計算系統，可以用作實時分析，在線機器學習，信息流處理，連續性計算，分布式RPC，實時處理消息并更新數據庫。
Kafka： 高吞吐量的分布式發布訂閱消息系統，可以處理消費者規模的網站中的所有動作流數據（瀏覽，搜索等）。相對Hadoop的日志數據和離線分析，可以實現實時處理。目前通過Hadoop的并行加載機制來統一線上和離線的消息處理
Redis： 由c語言編寫，支持網絡、可基于內存亦可持久化的日志型、key-value型數據庫。

五、Spark
Scala： 一種類似java的完全面向對象的編程語言。
jblas： 一個快速的線性代數庫（JAVA）。基于BLAS與LAPACK，矩陣計算實際的行業標準，并使用先進的基礎設施等所有的計算程序的ATLAS藝術的實現，使其非常快。
Spark： Spark是在Scala語言中實現的類似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的優點，但不同于MapReduce的是job中間輸出結果可以保存在內存中，從而不需要讀寫HDFS，因此Spark能更好的適用于數據挖掘與機器學習等需要迭代的MapReduce算法。可以和Hadoop文件系統并行運作，用過Mesos的第三方集群框架可以支持此行為。
Spark SQL： 作為Apache Spark大數據框架的一部分,可用于結構化數據處理并可以執行類似SQL的Spark數據查詢
Spark Streaming： 一種構建在Spark上的實時計算框架，擴展了Spark處理大數據流式數據的能力。
Spark MLlib： MLlib是Spark是常用的機器學習算法的實現庫，目前(2014.05)支持二元分類，回歸，聚類以及協同過濾。同時也包括一個底層的梯度下降優化基礎算法。MLlib以來jblas線性代數庫，jblas本身以來遠程的Fortran程序。
Spark GraphX： GraphX是Spark中用于圖和圖并行計算的API，可以在Spark之上提供一站式數據解決方案，可以方便且高效地完成圖計算的一整套流水作業。
Fortran： 最早出現的計算機高級程序設計語言，廣泛應用于科學和工程計算領域。
BLAS： 基礎線性代數子程序庫，擁有大量已經編寫好的關于線性代數運算的程序。
LAPACK： 著名的公開軟件，包含了求解科學與工程計算中最常見的數值線性代數問題，如求解線性方程組、線性最小二乘問題、特征值問題和奇異值問題等。
ATLAS： BLAS線性算法庫的優化版本。
Spark Python： Spark是由scala語言編寫的，但是為了推廣和兼容，提供了java和python接口。

六、Python
Python: 一種面向對象的、解釋型計算機程序設計語言。

七、云計算平臺
Docker： 開源的應用容器引擎
kvm： (Keyboard Video Mouse)
openstack：開源的云計算管理平臺項目
?