.png "image")
在上一篇（[06]建立Hadoop環境 -下篇）把hadoop pseudo-distributed mode整個建立了起來，在這個過程中有透過 jps看到啟動的時候有5個process：
這些process分別是yarn和HDFS執行起來的process，其中Master會有前 3個而slave有後 2個
這篇將會對於這幾個問題做一些介紹。
.png "image")
上一篇（[05]建立Hadoop環境 -上篇）透過VMWare Player把Ubuntu裝好並且一些相關環境設定到，等於把hadoop的基礎環境建立好了。
這篇將延續上篇的環境，把Hadoop建立上去，並且讓Hadoop跑一個hello world的範例。
.png "image")
上一篇（[04]Hadoop是什麼？）以一個非常高的overview看了Hadoop是什麼，在接下來將會把理論轉成實際操作，將建立一個Ubuntu 的 VM上面架設hadoop並且跑一個MapReduce的hello world程式，WordCount（算字數）。
等到跑完範例之後，將會在深入一點看hadoop的MapReduce和HDFS運作模式。
首先，從建立環境開始。
.png "image")
在上一篇（[03]Big Data到底是有多Big？）了解到了Big Data的3個V，也就是量、增長速度和多元格式的挑戰，這篇來看看讓管理一切變得有可能的軟體：Hadoop。
這篇將介紹Hadoop的由來，為什麼這麼重要，不同版本之間的差異，和基本架構。
.png "image")
在上一篇([02]Data Science 是什麼？)了解了整個Data Science包含的內容，這篇將會看看源頭，Data本身。
這篇先了解到什麼是Big Data？有什麼特性？到底是有多Big？
.png "image")
如果說資料（data）和石油一樣是最有價值的資源，那麼Data Science就同等於從原油提煉出石油的技術。
上篇([01]開篇)了解了整個系列的內容之後，這篇來了解一下 Data Science 到底是什麼？需要什麼技能/技術？和到底怎麼把data提煉出來變成可以用來做使用的資訊（變成石油）。
.png "image")
又到了新的一屆鐵人賽，這次和之前不一樣的是，多了團隊模式。然後，不知不覺就組成了一個團隊.... 失敗的話應該會永遠被釘死吧。
所以，為了不被釘死，要好好努力來寫啦，已經被警告，別像去年那樣，待補，結果和卡債一樣，永遠翻不了生（雖然到目前為止還在努力的補當中）。
那今年的主題是什麼呢？不是新的程式環境（OS: .Net core哪去了？)，不是延伸去年內容打造更完整的建制環境（OS: 整合docker的DevOps哪去了？），而是一個完全不熟悉的領域，Data Science（資料科學）。 （如果你是工程師，那麼別錯過 1/6 在台大的 Study4.TW Study4Love - 與大師對談）
今年的題目是：Data Science 到底是什麼 - 從一個完全外行角度來看