一开始...
一开始知道大数据这个概念的时候，只是感觉很高大上，引起了我的兴趣。当时也不知道，这个东西是做什么的，有什么用，当然现在看来也是很模糊的样子，但是的确比一开始强了不少。
所以学习的过程可能会很艰辛甚至有时候会很缓慢，但是感觉这东西未来会很有用途，最初了解大数据是从《大数据时代》这本书开始的，里面的很多概念和预测让我觉得很神奇。
但是渐渐生活中的一些事物被印证，我渐渐接受了这本书的内容，我觉得这本书还是值得一看的。
在国内这个技术似乎是比较新颖的，做的人似乎不是很多，正因为如此，资料也会匮乏，学习难度也上升了，但是这不是我们放弃的理由不是么？
借助平台管理工具
废话少说，多学些东西才是正经事，在公司实习过一段时间了，感觉初学的困难之一就是，搭建平台。
所以我们可以了解一下一些比较流行的平台管理工具：
HDP、CDH
而我在公司使用的便是HDP，所以我就大概的说一下HDP好了
HDP
HDP是什么？
HDP全称叫做Hortonworks Data Platform。
Hortonworks数据平台是一款基于Apache Hadoop的是开源数据平台，提供大数据云存储，大数据处理和分析等服务。该平台是专门用来应对多来源和多格式的数据，并使其处理起来能变成简单、更有成本效益。HDP还提供了一个开放，稳定和高度可扩展的平台，使得更容易地集成Apache Hadoop的数据流业务与现有的数据架构。该平台包括各种的Apache Hadoop项目以及Hadoop分布式文件系统（HDFS）、MapReduce、Pig、Hive、HBase、Zookeeper和其他各种组件，使Hadoop的平台更易于管理，更加具有开放性以及可扩展性。
官网地址为：http://zh.hortonworks.com/
HDP的架构
学习路线：
由上图看出
大概分为这么几类工具：
数据管理：
HDFS、YARN
数据访问：
Hive、Tez、Pig、Storm、Spark、HBase、Accumulo、Solr
数据管制和集成：
Atlas、Falcon、Oozie、Sqoop、Flume、Kafka
安全性：
Knox、Ranger
运营：
Ambari Zookeeper
Cloud：
Cloudbreak
既然没有什么具体的路线那么就是一个类一个类的来学习好了。
Hortonworks Sandbox的安装与使用：
官网上解释：Hortonworks Sandbox，可以使用它尝试一下最新的hdp特性和功能。
它可以装在一个VM上，如此来说，给我们学习大数据相关内容提供了极大的便利
下载地址：http://zh.hortonworks.com/downloads/#sandbox
安装的方法很简单，使用相应的虚拟机软件，直接导入就OK了。
注意：我的笔记本电脑是12g内存的，而HDP2.5所需要的最小内存是8G，而如果你的内存不够，可以选择低版本的SANDBOX。
安装后，开启虚拟机就可以了
启动的过程可能会很久要耐心等待。
启动如下图所示：
打开浏览器，输入http://127.0.0.1:8888/即可。
进入后可以点开 view advanced options来查看更多的信息。
右下角有如下内容：
* Service disabled by default. To enable the service you need to log in as an ambari admin.
The ambari admin password can be set by following this tutorial
这里需要我们进行ssh登录后，添加admin账户的密码，并使用这个admin账户来登录虚拟机。
ssh工具登录使用地址127.0.0.1 端口为 2222
这里也可以使用浏览器进行登录：
在浏览器里输入127.0.0.1:4200，访问即可
用户名：root
密码： hadoop
登录后需要修改密码，这里的密码设置复杂一些，简单密码有可能通不过（不过经过本人测试，当你以后再次登录后，可以运行passwd root，修改成任意你想要的密码）
然后运行ambari-admin-password-reset命令，修改ambari的admin账户密码。
修改后，我们在浏览器里输入172.0.0.1:8080，并用admin账户登录。
截张图，
关于ambari的介绍如下：
以后我们就用它来学习了！
数据科学交流群，群号：189158789 ，欢迎各位对数据科学感兴趣的小伙伴的加入！