学习大数据，核心重点就是对于专业技术的掌握，我们判断一个机构的课程是否具备足够的专业度，也往往是从这些核心技术体系的课程规划来看的。以Hadoop来说，这是大数据学习当中必不可少的部分。今天大数据学习分享，我们来聊聊Hadoop学习路线。
Hadoop生态最初在大数据领域绝对是无可争议的霸主，虽然近年来大数据领域新技术层出不穷，这些新技术确实在很多方面比起Hadoop强，但是Haoop作为最早的、目前来说最成熟的大数据生态，短时间不可能被取代。
在学习Hadoop时，主要分为两个阶段：第一阶段基础学习Linux，第二阶段学习Hadoop生态圈技术框架。
在学习Linux时，第一步就是搭建整个机器的环境，安装centOS系统，这个部分需要达到以下几点要求：
1)要熟练操作Linux常用命令以及网络配置；
2)熟悉用户以及权限管理操作；
3)熟悉软件包以及系统命令管理；
4)学习shell编程。
Linux主要内容学习完毕之后，紧接着就是第二个阶段就是学习Hadoop。Hadoop阶段主要分为四个阶段：
第一阶段：能熟练搭建伪分布式集群以及完全分布式集群了解每个配置的含义。
通常来说，先搭建Hadoop环境然后再学习Hadoop这样效果更好。先让Hadoop环境搭建起来，能正常运行wordcount程序，慢慢分析整个Hadoop生态系统，对Hadoop有个整体上的认识。
第二阶段：基于第一阶段的基础，学习Hadoop核心内容HDFS和Yarn。
首先明白什么是HDFS，然后再分析HDFS的优点，然后再了解HDFS的缺点有哪些，HDFS是如何存储数据的，采用什么样的架构，我们如何实现读取和写入HDFS中的文件，以及了解HDFS副本存放策略，同时熟练掌握HDFS的shell访问和java访问。Yarn首先我们要了解Yarn是什么，为什么使用Yarn，Yarn的构架，Yarn的原理。
第三阶段：学习MapReduce。
MapReduce作为Hadoop核心内容，要先易后难，首先了解Mapper、Reducer、Configuration、job等这些类，熟悉MapReduce流程图，然后写简单的单词统计代码，整体上对MapReduce认识，之后学习MapReduce运行机制，熟练掌握，MapReduce输入格式，MapReduce输出格式，以及MapReduce优化等。
第四阶段：Hadoop生态圈其他组件。
包括Hive数据仓库、HBase实时分布式数据库、Flume日志收集工具、sqoop数据库ETL工具、zookeeper分布式协作服务等。
关于大数据Hadoop学习路线，以上就是今天的分享内容了。大数据课程当中，Hadoop始终是非常重要的一部分，对于Hadoop的掌握，从深度到广度都需要拓展开来。
