From 01deb68aa7891c55e164cea41a56801c806fc488 Mon Sep 17 00:00:00 2001 From: heibaiying <31504331+heibaiying@users.noreply.github.com> Date: Wed, 3 Jul 2019 23:32:04 +0800 Subject: [PATCH] =?UTF-8?q?Update=20=E5=A4=A7=E6=95=B0=E6=8D=AE=E5=AD=A6?= =?UTF-8?q?=E4=B9=A0=E8=B7=AF=E7=BA=BF.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- notes/大数据学习路线.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/notes/大数据学习路线.md b/notes/大数据学习路线.md index 3b71430..380f567 100644 --- a/notes/大数据学习路线.md +++ b/notes/大数据学习路线.md @@ -127,7 +127,8 @@ Scala 是一门综合了面向对象和函数式编程概念的静态类型的 上面列出的都是比较主流的大数据框架，社区都很活跃，学习资源也比较丰富。建议从 Hadoop 开始入门学习，因为它是整个大数据生态圈的基石，其它框架都直接或者间接依赖于 Hadoop 。接着就可以学习计算框架，Spark 和 Flink 都是比较主流的混合处理框架，Spark 出现得较早，所以其应用也比较广泛。 Flink 是当下最火热的新一代的混合处理框架，其凭借众多优异的特性得到了众多公司的青睐。两者可以按照你个人喜好或者实际工作需要进行学习。
-> *图片引用*：*https://www.edureka.co/blog/hadoop-ecosystem* + +> *图片引用自* ：*https://www.edureka.co/blog/hadoop-ecosystem* 至于其它框架，在学习上并没有特定的先后顺序，如果你的学习时间有限，建议初次学习时候，同一类型的框架掌握一种即可，比如日志收集框架就有很多种，初次学习时候只需要掌握一种，能够完成日志收集的任务即可，之后工作上有需要可以再进行针对性地学习。