大数据技术（Spark、Hadoop、Kafka 等） 日益火热，人才市场缺口较大，而掌握大数据技术也成为程序员们加薪升职的一个重要机遇。但是大数据技术系统庞杂，分布式存储 （Hive、Hbase、Parquet、HDFS、Redis 等），分布式计算 （Map-Reduce、Spark 等），流计算 （Spark Streaming、Kafka、Storm,Flink） 等，脉络复杂，学习的时候往往盲人摸象，不得要领，明明想要成为大数据的人才，却成为基于 API 编写接口的外包人员，在遇到性能问题的时候也不知道如何定位和优化。
大数据依靠的是分布式，分布式的产生是由于单机存储和处理面临了一些难以解决的问题，当我们了解了这些问题，并找到这些问题的解决方案，我们也就从宏观的层面上理解了分布式和大数据，这对我们进入大数据开发及进阶都是大有裨益的。
通过本 Chat，您将了解以下内容：
- 分布式存储产生的原因与主流框架：Hbase 和 Redis。因 Hbase 是基于 HDFS 的，而 Redis 非 Hadoop 生态，本部分将基于两者的对比介绍分布式存储系统带来的可用性，一致性等问题及主流解决方案。
- 分布式计算产生的原因与主流框架：Spark。因 Spark 是现在最火热的处理框架，在面试中也最为常见，本部分将对 Spark 的计算框架进行系统性的介绍，并基于 Spark 介绍分布式计算带来的通信与调度等问题及主流解决方案，同时会讲解 Spark 性能调优的一些细节。
- 流处理产生的原因与主流框架：Spark Streaming。流处理的市场越来越大，本部分将基于 Spark Streaming 对流处理的基本思路进行介绍，涉及 Spark Streaming 的运行框架和调度原理，同时会对 Flink 进行简单的介绍（个人认为 Flink 会成为未来流处理技术最为重要的一个分支）。
阅读全文: http://gitbook.cn/gitchat/activity/5b6acfbcfd4f4f7bb148be36
您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。
