大数据学习指南，从零开始学习大数据开发，包含大数据学习各个阶段资汇总

  1.大数据简介
  2.大数据相关岗位介绍

  1.大数据学习路线（包含自己看过的视频链接）

  可以参考我的博客，按照顺序进行操作即可
  1.集群搭建

  1.Hadoop——分布式文件管理系统HDFS
  2.Hadoop——HDFS的Shell操作
  3.Hadoop——HDFS的Java API操作
  4.Hadoop——分布式计算框架MapReduce
  5.Hadoop——MapReduce案例
  6.Hadoop——资源调度器YARN
  7.Hadoop——Hadoop数据压缩

  1.Zookeeper——Zookeeper概述

  1.Hive——Hive概述
  2.Hive——Hive数据类型

  1.Flume——Flume概述
  2.Flume——Flume实践操作
  3.Flume——Flume案例

  1.Kafka——Kafka概述
  2.Kafka——Kafka深入解析
  3.Kafka——Kafka API操作实践
  3.Kafka——Kafka对接Flume实践

  1.HBase——HBase概述
  2.HBase——HBase数据结构
  3.HBase——HBase Shell操作
  4.HBase——HBase API实践操作

  1.Spark基础——Spark的诞生
  2.Spark基础——Spark概述
  3.Spark基础——Spark运行模式
  4.Spark基础——案例实践

  1.Spark Core——RDD概述

  1.Hadoop面试题总结（一）
  2.Hadoop面试题总结（二）——HDFS
  3.Hadoop面试题总结（三）——MapReduce
  4.Hadoop面试题总结（四）——YARN
  5.Hadoop面试题总结（五）——优化问题

  1.Zookeeper面试题总结（一）

  1.Hive面试题总结（一）
  2.Hive面试题总结（二）

  1.HBase面试题总结（一）

  1.Flume面试题总结（一）

  1.Kafka面试题总结（一）
  2.Kafka面试题总结（二）

  1.Spark面试题总结（一）
  2.Spark面试题总结（二）
  3.Spark面试题总结（三）
  4.Spark面试题总结（四）

  Spark性能优化：
  5.Spark面试题总结（五）——几种常见的数据倾斜情况及调优方式
  6.Spark面试题总结（六）——Shuffle配置调优
  7.Spark面试题总结（七）——程序开发调优
  8.Spark面试题总结（八）——运行资源调优