大数据平台的搭建都还很模糊想找人讲讲？？？

happyday

大数据平台的搭建都还很模糊想找人讲讲，很多细节自己好像注意不到
8 S- g$ c: _/ `6 c8 y' t  }

ExxNEN

期待有人给你讲，我顺便沾个光

dapmood

大数据平台的搭建步骤：
9 ^. H6 A+ a. o. S7 C
/ s5 ~: m& e& f+ ?1、linux系统安装
/ @- q: q0 L5 _一般使用开源版的Redhat系统--CentOS作为底层平台。为了提供稳定的硬件基础，在给硬盘做RAID和挂载数据存储节点的时，需要按情况配置。
/ j- y" I- u, ~2、分布式计算平台/组件安装
国内外的分布式系统的大多使用的是Hadoop系列开源系统。Hadoop的核心是HDFS，一个分布式的文件系统。在其基础上常用的组件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等
( ^% n0 Y% M9 z3 o+ N* ^使用开源组件的优点：1）使用者众多，很多bug可以在网上找的答案（这往往是开发中最耗时的地方）。2）开源组件一般免费，学习和维护相对方便。3）开源组件一般会持续更新，提供必要的更新服务『当然还需要手动做更新操作』。4）因为代码开源，若出bug可自由对源码作修改维护。
$ ?4 t" t8 ?6 R) G* ?3、数据导入
数据导入的工具是Sqoop。用它可以将数据从文件或者传统数据库导入到分布式平台『一般主要导入到Hive，也可将数据导入到Hbase』。
4、数据分析
! }; g. W  ]8 V# V( }0 N6 ^" c0 x数据分析一般包括两个阶段：数据预处理和数据建模分析。
4 r- R# o; i& n7 `数据预处理是为后面的建模分析做准备，主要工作时从海量数据中提取可用特征，建立大宽表。这个过程可能会用到Hive SQL，Spark QL和Impala。
数据建模分析是针对预处理提取的特征/数据建模，得到想要的结果。这一块最好用的是Spark。常用的机器学习算法，如朴素贝叶斯、逻辑回归、决策树、神经网络、TFIDF、协同过滤等，都已经在ML lib里面，调用比较方便。
5、结果可视化及输出API
可视化一般式对结果或部分原始数据做展示。一般有两种情况，行数据展示，和列查找展示。要基于大数据平台做展示，会需要用到ElasticSearch和Hbase。Hbase提供快速『ms级别』的行查找。 ElasticSearch可以实现列索引，提供快速列查找。

SsaaM7

大数据是个很笼统的概念，是对数据进行分析将其可视化