大家好，今天小编关注到一个比较有意思的话题，就是关于如何学习hadoop python的问题，于是小编就整理了2个相关介绍如何学习hadoop Python的解答，让我们一起看看吧。
hadoop和spark的异同？
Hadoop和Spark都是大数据处理技术，但它们之间存在一些区别和异同点。
1. 数据处理方式：Hadoop***用MapReduce计算模型，而Spark***用基于内存的计算方式。
2. 处理速度：相比Hadoop，Spark的处理速度更快，因为它可以将数据加载到内存中并在内存中进行计算，而Hadoop需要将数据从磁盘中加载到内存中进行计算。
3. 处理范围：Hadoop适用于大规模数据处理和批量处理，而Spark除了可以进行批量处理，还可以实时处理流数据。
4. 编程语言：Hadoop主要***用Java编程语言，而Spark则***用Scala、J***a或Python等多种编程语言。
5. 生态系统：Hadoop拥有完整的生态系统，包括Hive、Hbase、Pig等组件，而Spark生态系统相对较小，但正在不断壮大。
6. ***利用：Hadoop的***利用率较低，而Spark可以充分利用***，包括CPU、内存等。
综上所述，Hadoop和Spark都是处理大数据的技术，但它们之间存在一些不同点，选择哪个技术取决于具体的需求和场景。
Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架，Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点。
但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。 优势应该在于分布式架构比较相似能快速上手吧。
Python学习要怎么开始呢？
PYPL(Polularity of Programming Language，编程语言流行指数)2月最新榜单显示，python以29.88%的市场份额高居榜首，较去年同期上涨了4.1%。由于其简洁的语法特点及丰富的第三方库，python已经广泛用于web开发、网络爬虫、数据挖掘、大数据分析等领域。近年来，随着大数据及人工智能的发展，python相关的开发岗位（数据挖掘、大数据分析等）需求量越来越大。
既然python的应用领域这么广泛，那么该如何开始python的学习呢。个人认为，python的学习可以分为两步，第一步是python基础知识的学习，第二步可以结合自己想从事的领域进行学习。python基础知识的学习可以参考《流畅的python》这本书，该书涵盖了python数据结构、把函数视作对象、面向对象惯用法、控制流程等内容，非常有助于开发者写出简洁、易读、快速的python代码。
熟悉了python的基础知识后可以结合自己想从事的领域进行第二部分的学习。目前，python已经广泛用于大数据、人工智能、web开发等领域，不同领域需要学习的内容也是大不相同。
大数据：python是开发大数据统计及分析任务（hadoop、spark）的首选语言。如果想从事大数据领域的话需要学习大数据生态圈的各种组件，了解每一层组件的原理及架构设计，包括HDFS（分布式文件系统）、yarn（***调度）、spark（分布式计算框架）、hive（数据仓库）、kafka（消息队列）等。
人工智能：由于其丰富的第三方库（numpy、pandas、scikit-learning等），python非常[_a***_]用于开发机器学习及深度学习相关应用。首先，可以学习numpy、pandas等第三方库的使用，可以参考《利用python进行数据分析》；然后，可以学习机器学习及深度学习相关基础知识，可以参考周志华编写的西瓜书《机器学习》；最后，可以学习机器学习及深度学习相关的框架（scikit-learning、tensorflow、torch等），可以参考《tensorflow技术解析与实践》。
到此，以上就是小编对于如何学习hadoop python的问题就介绍到这了，希望介绍关于如何学习hadoop python的2点解答对大家有用。
