写了几年代码，看到这些年大数据，AI闹得火热火热，也想系统学习下大数据方面的东西，给自己充电一下。其实随着IT技术的发展，我们行业(地理信息)也已经开始拥抱大数据了。越来越多的带有位置的非结构化的数据需要处理，需要进一步挖掘。好了，废话不多说了。下面开始分享下，学习大数据这门过程中的一些心得。
其实，大数据这门课，学起来还是得要有些知识储备的，比如最基本的linux操作，以及操作hive以及mysql的一些语句(如果懂关系型数据库里的sql，那操作起这些语句就简单了)，Python的一些东西，如果有些开发经验就更完美了。
在学习这门课的时候，最开始基于linux上的一些操作，以及后来的搭建集群倒是没得啥问题。可是到后来安装cloudera-manager的时候，发现master节点上的agent，server-db都起来了，server服务起不来，这时候就得去看相应路径下的日志啊，发现提示是缺包(红框是根据日志找到的缺的包，但是事实不止缺这么几个，其他的几个都补上了)：
想着这样不是办法，怕后续还会出啥问题，然后就拉着导师一起看，看了好久发现是cloudera manager的版本与linux版本不匹配导致的，后来一查我的系统是centos6.9的。下图是在cloudera官网找到的cloudera manager 5.11版本与操作系统兼容的情况，当时我的linux系统是6.5的，应该是做了update没注意到，update到6.9的版本了，可是呢官网给出的6.9版本的CentOS是不兼容cloudera manager 5.11安装的。所以说学习一项东西看官网是很重要的，你想想东西都是出自他那里，外面的中文的帮助书籍无非就是从人家的官网翻译一下而已。
还有一点，出了问题时，不要怕，要学会去解决问题。比如在学hive，hbase，以及spark的时候，很多时候你执行操作的命令行，在出错时终端会有相应的日志，可以从日志里去捕捉导致异常的原因。以下是我在执行连接hive时:beeline -u jdbc:hive2://elephant:10000 出现的异常
就可以通过这些日志在网上查一下，百度不行就去谷歌。这个日志异常主要说的就是Name Node处于安全模式，不能产生/tmp/hive/hive/1074c23d-d039-4741-a6db-4d19adf4673f这个路径，在网上查一下就会有相应的解决方案的。最反感的是一出问题就到处找人解决，首先自己得去分析下，去网上找下资料，实在不行的可以再请教别人。试想一下，本来问题很简单，没看就问别人，别人一看就指出了原因，岂不让别人觉得自己很low?
最后我觉得,在学习时还是有必要根据老师讲的来捋一下相应的流程，提炼出一些导图啥的（思维导图工具：xmind,mindmanager都不错），这个确实对学习技术很有帮助，这个不管对学习哪一门技术都有用。其实看大家说HBASE讲的都是理论，话说理论掌握了，操作应该没什么问题吧？反之，只会跟着老师敲一些命令，具体的里面含义不懂，这对于学技术是没有什么意义的。
原文地址：http://blog.51cto.com/6193721/2058972