Hadoop自雅虎诞生之日起，已经走过了 10 来个年头，且从2016年开始，对于hadoop唱衰的观点就一直存在，但时至今日，看似年老的hadoop实际上仍是壮年。随着腾讯近一步加强对于hadoop的应用，也让众多的机构、企业和个人明确hadoop老当益壮，学习仍是重中之重。
关于hadoop的学习，我们首先应该先了解其概念和含义是什么。只有将概念了解清楚，我们才能够更好的进行理解和学习。
总体而言，Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。
Hadoop最为核心的点就是HDFS和MapReduce。HDFS为海量的数据提供了存储， MapReduce为海量的数据提供了计算。一句话来讲Hadoop就是存储加计算。hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有5大优点：高可靠性、高扩展性、高效性、高容错性、低成本 等，凭借自身的优点和特性，hadoop这员老将的地位，并不是谁都能够取代的。
对于求学者而言，先要学好hadoop，可以从一下的这些分类去逐个攻破。
1、Hadoop Common ：Hadoop体系最底层的一个模块，为Hadoop各子项目提供各种工具，如：配置文件和日志操作等。
2、HDFS：分布式文件系统，提供高吞吐量的应用程序数据访问，对外部客户机而言，HDFS 就像一个传统的分级文件系统。可以创建、删除、移动或重命名文件，等等。但是 HDFS 的架构是基于一组特定的节点构建的（参见图 1），这是由它自身的特点决定的。这些节点包括 NameNode（仅一个），它在 HDFS 内部提供元数据服务；DataNode，它为 HDFS 提供存储块。由于仅存在一个 NameNode，因此这是 HDFS 的一个缺点（单点失败）。
存储在 HDFS 中的文件被分成块，然后将这些块复制到多个计算机中（DataNode）。这与传统的 RAID 架构大不相同。块的大小（通常为 64MB）和复制的块数量在创建文件时由客户机决定。NameNode 可以控制所有文件操作。HDFS 内部的所有通信都基于标准的 TCP/IP 协议。
3、MapReduce ：一个分布式海量数据处理的软件框架集计算集群。
4、Avro ：doug cutting主持的RPC项目，主要负责数据的序列化。有点类似Google的protobuf和Facebook的thrift。avro用来做以后hadoop的RPC，使hadoop的RPC模块通信速度更快、数据结构更紧凑。
5、Hive ：类似CloudBase，也是基于hadoop分布式计算平台上的提供data warehouse的sql功能的一套软件。使得存储在hadoop里面的海量数据的汇总，即席查询简单化。hive提供了一套QL的查询语言，以sql为基础，使用起来很方便。
6、HBase ：基于Hadoop Distributed File System，是一个开源的，基于列存储模型的可扩展的分布式数据库，支持大型表的存储结构化数据。
7、Pig ：是一个并行计算的高级的数据流语言和执行框架 ，SQL-like语言，是在MapReduce上构建的一种高级查询语言，把一些运算编译进MapReduce模型的Map和Reduce中，并且用户可以定义自己的功能。
8、ZooKeeper ：Google的Chubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。
9、Chukwa ：一个管理大型分布式系统的数据采集系统 由yahoo贡献。
10、Cassandra ：无单点故障的可扩展的多主数据库 。
11、Mahout ：一个可扩展的机器学习和数据挖掘库 。
Hadoop在我国应用的时间并不长，但应用却很深刻，所以，求学者在学习的过程中能在现实中找到很多的案例。当年，学习hadoop并不能够一蹴而就，需要求学者至少会一门编程语言，且有一颗持续学习、坚持学习的心。hadoop未老，且功能强大，目前市场上对于hadoop工程师的招聘信息并不少，所以，不论是作为从业者、求学者还是求职者，学懂hadoop都至关重要。
本文转自：海牛学院