Hadoop是一个由Apache基金会所开发的分布式系统基础构架。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。他的目的是从单一的服务器扩展到成千上万的机器，将集群部署在多台机器，每个机器提供本地计算和存储。Hadoop框架最核心的设计是HDFS和MspReduce。
关于Hadoop，首先我们需要了解Hadoop 1.0、Hadoop 2.0、MapReduce、HDFS、NameNode、DataNode、JobTracker、TaskTracker、Yarn、ResourceManager、NodeManager。并且还要自己学会如何搭建Hadoop，先让它跑起来。（建议先使用安装包命令行安装，不要使用管理工具安装。现在都用Hadoop 2.0）
HDFS目录操作命令；上传、下载文件命令；提交运行MapReduce示例程序；打开Hadoop WEB界面，查看Job运行状态，查看Job运行日志。知道Hadoop的系统日志在哪里。以上完成之后，就应该去了解他们各个的原理了。例如：MapReduce：如何分而治之；HDFS：数据到底在哪里，究竟什么才是副本；Yarn到底是什么，它能干什么；NameNode到底在干些什么；Resource Manager到底在干些什么；
其次，我们可以自己写一个（照抄也行）WordCount程序，打包并提交到Hadoop运行。你不会Java、Shell、Python都可以，有个东西叫Hadoop Streaming。如果你认真完成了以上几步，恭喜你，你的一只脚已经进来了。
再其次，一定要学习SQL，它会对你的工作有很大的帮助。就像是你写（或者抄）的WordCount一共有几行代码，但是你用SQL就非常简单了，例如：SELECT word,COUNT(1) FROM wordcount GROUP BY word；这便是SQL的魅力，编程需要几十行，甚至上百行代码，而SQL一行搞定；使用SQL处理分析Hadoop上的数据，方便、高效、易上手、更是趋势。不论是离线计算还是实时计算，越来越多的大数据处理框架都在积极提供SQL接口。另外就是SQL On Hadoop之Hive于大数据而言一定要学习的。
最后，学会Hive的基本命令：创建、删除表；加载数据到表；下载Hive表的数据；MapReduce的原理（还是那个经典的题目，一个10G大小的文件，给定1G大小的内存，如何使用Java程序统计出现次数最多的10个单词及次数）；HDFS读写数据的流程；向HDFS中PUT数据；从HDFS中下载数据；自己会写简单的MapReduce程序，运行出现问题，知道在哪里查看日志；会写简单的Select、Where、group by等SQL语句；Hive SQL转换成MapReduce的大致流程；Hive中常见的语句：创建表、删除表、往表中加载数据、分区、将表中数据下载到本地；
从上面的学习，你已经了解到，HDFS是Hadoop提供的分布式存储框架，它可以用来存储海量数据，MapReduce是Hadoop提供的分布式计算框架，它可以用来统计和分析HDFS上的海量数据，而Hive则是SQL On Hadoop，Hive提供了SQL接口，开发人员只需要编写简单易上手的SQL语句，Hive负责把SQL翻译成MapReduce，提交运行。
其实不管学习什么大体的构建和方法是一样的，我们首先要把学习这个东西的基础打扎实，至于用什么方法就选择适合自己的进行学习，比如可以通过书籍，网络教学视频等。
