大數(shù)據(jù)技術(shù)必須了解這些

李榮

1 Java編程技術(shù)

Java編程技術(shù)是大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ)，Java是一種強類型語言，擁有極高的跨平臺能力，可以編寫桌面應(yīng)用程序、Web應(yīng)用程序、分布式系統(tǒng)和嵌入式系統(tǒng)應(yīng)用程序等，是大數(shù)據(jù)工程師最喜歡的編程工具。

2 Linux命令

大數(shù)據(jù)開發(fā)通常是在Linux環(huán)境下進行的，相比Linux操作系統(tǒng)，Windows操作系統(tǒng)是封閉的操作系統(tǒng)，開源的大數(shù)據(jù)軟件很受限制。因此，想從事大數(shù)據(jù)開發(fā)相關(guān)工作，還需掌握Linux基礎(chǔ)操作命令。

3 Hadoop

Hadoop是大數(shù)據(jù)開發(fā)的重要框架，其核心是HDFS和MapReduce，HDFS為海量的數(shù)據(jù)提供了存儲，MapReduce為海量的數(shù)據(jù)提供了計算，因此，需要重點掌握。除此之外，還需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高級管理等相關(guān)技術(shù)與操作。

4 Avro與Protobuf

Avro與Protobuf均是數(shù)據(jù)序列化系統(tǒng)，可以提供豐富的數(shù)據(jù)結(jié)構(gòu)類型，十分適合做數(shù)據(jù)存儲，還可以進行不同語言之間相互通信的數(shù)據(jù)交換，學(xué)習(xí)大數(shù)據(jù)，需掌握其具體用法。

5 Hive

Hive是基于Hadoop的一個數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡單的SQL查詢功能，可以將SQL語句轉(zhuǎn)換為MapReduce任務(wù)進行運行，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。對于Hive，需掌握其安裝、應(yīng)用及高級操作等。

6 HBase

HBase是一個分布式的、面向列的開源數(shù)據(jù)庫，它不同于一般的關(guān)系數(shù)據(jù)庫，更適合于非結(jié)構(gòu)化數(shù)據(jù)存儲的數(shù)據(jù)庫，是一個高可靠性、高性能、面向列和可伸縮的分布式存儲系統(tǒng)。

7 Redis

Redis是一個key-value存儲系統(tǒng)，它的出現(xiàn)很大程度彌補了memcached這類key/value存儲的不足，在部分場合可以對關(guān)系數(shù)據(jù)庫起到很好的補充作用，它提供了Java，C/C++，C#，PHP，Java，Perl，Object-C，Python，Ruby，Erlang等客戶端，使用很方便。

8 ZooKeeper

ZooKeeper是Hadoop和Hbase的重要組件，是一個為分布式應(yīng)用提供一致性服務(wù)的軟件，功能包括：配置維護、域名服務(wù)、分布式同步及組件服務(wù)等。在大數(shù)據(jù)開發(fā)中要掌握Zoo Keeper的常用命令及功能的實現(xiàn)方法。

9 Flume

Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。

10 Azkaban

Azkaban是一個批量工作流任務(wù)調(diào)度器，可用于在工作流內(nèi)以特定的順序運行一組工作和流程，可以利用Azkaban來完成大數(shù)據(jù)的任務(wù)調(diào)度。大數(shù)據(jù)開發(fā)需掌握Azkaban的相關(guān)配置及語法規(guī)則。

11 SSM

SSM框架由Spring，SpringMVC及MyBatis三個開源框架整合而成，常作為數(shù)據(jù)源較簡單的web項目的框架。大數(shù)據(jù)開發(fā)需分別掌握Spring，SpringMVC，MyBatis這3種框架，再使用SSM進行整合操作。

12 Kafka

Kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，其在大數(shù)據(jù)開發(fā)應(yīng)用上的目的是通過Hadoop的并行加載機制來統(tǒng)一線上和離線消息處理，也可以通過集群來提供實時的消息。大數(shù)據(jù)開發(fā)需掌握Kafka架構(gòu)原理及各組件的作用和使用方法及相關(guān)功能的實現(xiàn)。

13 Python與數(shù)據(jù)分析

Python是面向?qū)ο蟮木幊陶Z言，擁有豐富的庫，使用簡單，應(yīng)用廣泛，在大數(shù)據(jù)領(lǐng)域也有所應(yīng)用，主要用于數(shù)據(jù)采集、數(shù)據(jù)分析以及數(shù)據(jù)可視化等。因此，大數(shù)據(jù)開發(fā)需學(xué)習(xí)一定的Python知識。

14 Phoenix

Phoenix是用Java編寫的基于JDBC API操作HBase的開源SQL引擎，具有動態(tài)列、散列加載、查詢服務(wù)器、追蹤、事務(wù)、用戶自定義函數(shù)、二級索引、命名空間映射、數(shù)據(jù)收集、行時間戳列、分頁查詢、跳躍查詢、視圖以及多租戶的特性，大數(shù)據(jù)開發(fā)需掌握其原理和使用方法。

15 Scala

Scala是一門多范式的編程語言，大數(shù)據(jù)開發(fā)重要框架Spark是采用Scala語言設(shè)計的，想要學(xué)好Spark框架，擁有Scala基礎(chǔ)是必不可少的。因此，大數(shù)據(jù)開發(fā)需掌握Scala編程基礎(chǔ)知識。

16 Spark

Spark是專為大規(guī)模數(shù)據(jù)處理而設(shè)計的快速通用的計算引擎，提供了一個全面、統(tǒng)一的框架用于管理各種不同性質(zhì)的數(shù)據(jù)集和數(shù)據(jù)源的大數(shù)據(jù)處理需求。大數(shù)據(jù)開發(fā)需掌握Spark基礎(chǔ)、SparkJob、Spark RDD、spark job部署與資源分配、Spark shuffle、Spark內(nèi)存管理、Spark廣播變量、Spark SQL、Spark Streaming以及Spark ML等相關(guān)知識。

大數(shù)據(jù)是當下一門炙熱的IT學(xué)科，行情十分火爆，不論是阿里巴巴、百度這樣的大公司，還是中小企業(yè)都很重視，甚至是第一個被納入國家戰(zhàn)略的技術(shù)，政府扶持力度大，大數(shù)據(jù)相關(guān)崗位薪水高，就業(yè)前景好。所以有更多的有志之士參與進來，但是轉(zhuǎn)行還是需要謹慎，每個行業(yè)有每個行業(yè)的要求，要根據(jù)自己的興趣愛好適當?shù)牧私猓紤]清楚再做出選擇，不要盲目跟風。