大数据包括很多内容，但是对于大多数公司来说，大数据无非包括离线和实时两个部分，对于离线来说，无非就是采用hive，对于实时来说，无非就是spark，或者是flink，其中再包括一些其他的辅助组件即可；
本人为了学习，打算写一个全套的大数据博客；分为离线和实时两个部分；
离线主要是hadoop的HDFS存储，mapreduce第一代和第二代（yarn），除此之外，还包括hive，impala（运行速度很快，但在公司内主要是用于离线跑批用）；
而实时主要是spark，kudu；本公司主要是采用kudu接spark streaming采集的kafka数据；除此之外，会自学Hbase，并也会总结归纳
