蜗牛的倔强
理论上来讲，学习spark和storm是不需要学习hadoop的。spark和storm都是独立的开源项目，在完整性上是self-constrained的，完全可以独立学习。从循序渐进的角度，还是可以了解一下hadoop的，以spark为例，理解了hadoop的mapreduce，知道它的缺陷，才能更好的理解spark的优势和最佳的应用场景，毕竟很多开源项目都是站在hadoop的肩膀上来的。Good luck！
当然，起码hadoop框架内的mapreduce（分布式计算模块）和hdfs（分布式文件存储系统）你要学习，mr能够帮助你深入理解分布式的计算思维，hdfs则是大数据领域内最为常用，最为常见的文件存储系统，spark也同样要依托于hdfs进行很多的计算，另外还有hadoop2.x里面的yarn(一种可以用于多种框架的资源调度系统），spark企业级应用都是基于spark on yarn模式的
热门文章更多>>
标签更多>>
专题更多>>
最新文章更多>>
- 团队城市未满足要求:MSBuildTools12.0_x86_Path 存在
- 使用 MSBuild.exe 在发布模式下构建 C# 解决方案
- 当我发布 Web 应用程序时，AfterPublish 脚本不运行
- 构建时 T4 转换的产品仅在下一个构建中使用
- ASP.NET Core Application (.NET Framework) for Windows x64 only error in project.assets.json
- 新的 .csproj 格式 - 如何将整个目录指定为“链接文件"到子目录?
- 如何将条件编译符号(DefineConstants)传递给 msbuild
- MSBuild 支持 Visual Studio 2017 RTM 中的 T4 模板
- NuGet 包还原找不到包，没有源
- 使用 C# 6.0 功能运行 TFS 构建
