眾所周知，大數據開發和分析、機器學習、數據挖掘中，都離不開各種開源分布式系統。最常見的就是 Hadoop、Hive、Spark這三個框架了。最近不少朋友有問到關于這些的問題：

大廠里還有在用 Hadoop 嗎？感覺都在用 Spark，有些慌！

SQL boy 大廠面試都問什么？Hadoop、Spark、Flink 都搞過！

聽說百度只用 Hadoop，為什么不用業界都在用的 Spark !

為什么百度不用SQL支持數據處理，還在寫一堆 Hadoop 腳本！

Java 開發需要對大數據了解多少，Hbase、Hive、Spark 這些嗎？

不同的業務場景決定了不同的系統架構選型。Hadoop 用于分布式存儲和 Map-Reduce 計算，Spark 用于分布式機器學習，Hive 則是分布式數據庫。Hive 和 Spark 是大數據領域內為不同目的而構建的不同產品。二者都有不可替代的優勢。Hive 是一個基于Hadoop 的分布式數據庫，Spark 則是一個用于數據分析的框架。

這就要求技術人不得不掌握各種開源的技術框架。這就會造成顧此失彼，學完易忘、易混淆的情況。為了解決這個問題，這里推薦給大家一個高效學習和開發的寶藏：一份大數據/分布式開發速查表。內容涵蓋：Spark、Hadoop及Hive等日常工作中幾乎所有的技術知識點。

對比詳細卻冗長的技術文檔，速查表要顯得更加便捷與直觀。可以幫大家很輕松的從上面找到具體某項技術的快捷命令與語法，相信能大幅提升開發效率，同時，一些遺忘的知識點也都能通過速查表來快速獲取。

由于篇幅原因，下面只展示了速查表的部分內容。無論你是學習進階，還是日后溫習，這套速查表資料都值得好好珍藏。

1.大數據內存計算框架之Spark 必知必會

學習 Spark ，從大方向說，算子大致可以分為以下兩類： （1）Transformation 變換 / 轉換算子：這種變換并不觸發提交作業，這種算子是延遲執行的，也就是說從一個 RDD 轉換生成另一個 RDD 的轉換操作不是馬上執行，需要等到有 Action 操作的時候才會真正觸發。 （2）Action 行動算子：這類算子會觸發 SparkContext 提交 job 作業，并將數據輸出到 Spark 系統。

Spark 必知必會：Transformation 算子

Spark 必知必會：Action算子

2.大數據分布式文件系統之Hadoop 必知必會

內容包括：Hadoop Shell ，HDFS 命令有 hadoop fs 和 hdfs dfs 兩種風格，都可使用，效果相同。

Hadoop 必知必會：Hadoop Shell

3.大數據分布式數據庫之Hive必知必會

Hive 的本質是將 SQL 語句轉換為 MapReduce 或者 spark 等任務執行，并可以針對數據倉庫進行分布式交互查詢。 內容包括：Hive 內置函數速查表，具體有關系、數學及邏輯運算符、數值計算、日期函數、條件函數、字符串函數、聚合函數、高級函數及窗口函數等。

Hive 必知必會：關系運算符

Hive 必知必會：數值計算

Hive 必知必會：字符串函數

原文標題：在百度，Spark，Hadoop，Hive ，哪個更香？

文章出處：【微信公眾號：算法與數據結構】歡迎添加關注！文章轉載請注明出處。