大数据初学者怎样学习大数据现在很火很热,但是怎么学习呢?下面我就给大家介绍一下:大数据的方向有 大数据运维工程师、大数据开发工程师、数据分析、数据挖掘、架构师等。 大数据的4大特征: 1.数据在体量方面很大,比如说文字,有各种各样的来源,有电子书|实体书|杂志|报刊等,它们的数据大吧。 2.数据的类型多种多样,有些是结构化的数据,像存在Oracle,MySQL这些传统的数据库里的数据,一般都是结构化,可以是还有非结构化,比如HTML,WORD,execl等格式。 3.它们的价值密度低,这样说吧,你比如说观看一条数据好像价值也不大,但是分析所有的数据之后呢?总会挖掘出一些 重要的东西。 4.处理这些数据的速度要快。比如像Hadoop技术的MapReduce计算框架,相比传统的数据库处理速度要快,它的吞吐量 特别的大,再比如Spark,Spark在内存方面计算比Hadoop快100倍,在磁盘方面计算快10倍。 大数据的技术:
这么多技术这么学习呢?先学Hadoop Hadoop框架中由两大模块组成,一个HDFS(Hadoop Distributed File System),是用来存储需要处理的数据,另外一个是MapReduce,是Hadoop的处理数据的计算模型。 Hive 只要你会SQL,你就会使用它。hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能, 可以将sql语句转换为MapReduce任务进行运行。 HBase HBase即Hadoop DataBase,Hadoop的数据库,HBase是一种 ''NoSQL'' 数据库,即不是RDBMS ,不支持SQL作为主要访问手段。 Sqoop Sqoop是迁移数据工具,可以在很多数据库之间来迁移, Flume Flume是一个分布式的海量日志采集和传输框架,一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。 Kafka 使用Kafka完成数据的一次收集,多次消费。它是一个分布式、支持分区的(partition)、多副本的(replica),基于zookeeper协调的分布式消息系统。 Spark基于内存计算的框架
Storm实时的流计算框架 机器学习Mahout 主要学习算法 建议没有基础的人可以去培训一下,速成 如果你有很多时间,可以直接研究 如果你是牛人,需要你指导一下我。 |
|
来自: 2017helloworld > 《待分类》