对于很多想学大数据开发的年轻人来说，很想知道，学hadoop需要什么基础?下面，就让千锋大数据培训的学员来告诉你，学习hadoop究竟需要什么基础?

　　学习hadoop所必须的三个基础技能：JAVA基础、Linux基础、虚拟机基础。接触过hadoop的人都知道，单独搭建hadoo里每个组建都需要运行环境、修改配置文件、测试等过程。如果仅仅是安装一下运行环境就行了，那你就大错特错了，几乎每个组件都是坑，这些坑几乎是不可能让初学者有一个愉快的学习过程的。

　　Hadoop虽然起源于国外，但国内发行版本也蛮多，但是都没有去解决环境搭建的问题。近期，有人发布了一款国产发行版DKHadoop，是大快搜索开源的发行版hadoop。这款hadoop版本终于解决了运行环境搭建繁琐的问题，它将开源社区里多种常用的组件包括：HDFS，Hbase,Storm,Spark,Flume,Kafka,Mahout,ES等都集成到一个平台里，只需简单的一键安装就能完成，需要调用的时候直接调用即可。

　　我们在千锋大数据培训期间，学习完Linux系统后，开始了Hadoop的相关学习，Hadoop是一个分布式系统框架，利用集群实现大数据的存储和计算。首先，大数据技术的实现基础是存储，HDFS分布式文件系统实现了大数据的存储，利用集群将大数据文件分块存储和备份，实现高可用，在学习HDFS之前，学习了如何搭建Hadoop集群环境，因为集群环境是实现HDFS的基础，集群环境搭建完成后，学习了通过JAVA实现HDFS操作，例如文件的上传和下载。

　　Hadoop包含两个部分：

　　1.Hadoop Distributed File System (Hadoop分布式文件系统)

　　HDFS具有高容错性，并且可以被部署在低价的硬件设备之上。HDFS很适合那些有大数据集的应用，并且提供了对数据读写的高吞吐率。HDFS是一个master/slave的结构，就通常的部署来说，在master上只运行一个Namenode，而在每一个slave上运行一个Datanode。

　　HDFS支持传统的层次文件组织结构，同现有的一些文件系统在操作上很类似，比如你可以创建和删除一个文件，把一个文件从一个目录移到另一个目录，重命名等等操作。Namenode管理着整个分布式文件系统，对文件系统的操作(如建立、删除文件和文件夹)都是通过Namenode来控制。

　　2、MapReduce的实现

　　MapReduce是Google 的一项重要技术，它是一个编程模型，用以进行大数据量的计算。对于大数据量的计算，通常采用的处理手法就是并行计算。至少现阶段而言，对许多开发人员来说，并行计算还是一个比较遥远的东西。MapReduce就是一种简化并行计算的编程模型，它让那些没有多少并行计算经验的开发人员也可以开发并行应用。

　　MapReduce的名字源于这个模型中的两项核心操作：Map和 Reduce。简单的说来，Map是把一组数据一对一的映射为另外的一组数据，其映射的规则由一个函数来指定，比如对[1, 2, 3, 4]进行乘2的映射就变成了[2, 4, 6, 8]。Reduce是对一组数据进行归约，这个归约的规则由一个函数指定，比如对[1, 2, 3, 4]进行求和的归约得到结果是10，而对它进行求积的归约结果是24。

　　总的来说，我们目前在千锋大数据培训需要学习更多的知识，我们正在极力提升自己的能力，期待新的学习!