想要学好大数据需掌握这十二大技术

2018-10-12 17:24:27 来源:elecfans
标签:

 

大数据是对海量数据进行存储、计算、统计、分析处理的一系列处理手段,处理的数据量通常是TB级,甚至是PB或EB级的数据,这是传统数据处理手段所无法完成的,其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等,汇集了当前IT领域热门流行的IT技术。

 

想要学好大数据需掌握以下技术:

 

1. Java编程技术

Java编程技术是大数据学习的基础,Java是一种强类型语言,拥有极高的跨平台能力,可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等,是大数据工程师最喜欢的编程工具,因此,想学好大数据,掌握Java基础是必不可少的!

 

 

2.Linux命令

对于大数据开发通常是在Linux环境下进行的,相比Linux操作系统,Windows操作系统是封闭的操作系统,开源的大数据软件很受限制,因此,想从事大数据开发相关工作,还需掌握Linux基础操作命令。真正的大数据工程师,linux命令是横着写很长,不是一句一句执行的,尤其是大数据工程师需要检测cpu,内存,网络IO等各种开销,就需要掌握各种命令,命令主要分为这几种,一是查看各种进程的相关信息,其中包括cpu或者内存等从高到底,或者是前十等等。二是排查故障,结合linux和java的各种命令快速定位到问题出现的关键地方。三是排除系统长时间使用过慢原因等。

 

 

3.Hadoop

Hadoop是大数据开发的重要框架,Hadoop分HDFS和Map/reduce,HDFS是Hadoop的主要分布式存储。一个HDFS集群主要由一个NameNode(管理文件系统的元数据)和存储实际数据的DataNode组成。HDFS为海量的数据提供了存储,实现了存取优化。Hadoop的MapReduce是一个软件框架,为海量的数据提供了计算,可方便地编写应用程序处理大量的数据(多是TB数据集),因此,需要重点掌握,除此之外,还需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高级管理等相关技术与操作!

 

 

4.HBase

HBase是Hadoop的数据库,HBase是一个分布式的、面向列的开源数据库,它提供了随机,实时读/写访问大数据,并进行了优化承载非常大的数据表 - 数十亿行乘以百万列 -,实现服务器硬件之上集群。不同于一般的关系数据库,更适合于非结构化数据存储的数据库,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,在其核心Apache HBase是一个分布式的面向列的数据库,属于谷歌的Bigtable:Apache HBase在Hadoop和HDFS之上提供了类似于Bigtable的能力。大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。

 

 

5.Hive

Hive是基于Hadoop的一个数据仓库工具,方便简单的数据汇总工具,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,十分适合数据仓库的统计分析。同时,这语言也可以让传统的map / reduce程序员嵌入他们的自定义maperhe reducer.对于Hive需掌握其安装、应用及高级操作等。

 

 

6.ZooKeeper

ZooKeeper是Hadoop和Hbase的重要组件,是一个为分布式应用提供一致性服务的软件,一种集中式的服务(负载平衡器),提供的功能包括:配置维护、域名服务、分布式同步、组件服务等,并提供团体服务。Apache ZooKeeper协调运行在Hadoop集群上的分布式应用程序。在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。

 

7.phoenix

phoenix是用Java编写的基于JDBC API操作HBase的开源SQL引擎,其具有动态列、散列加载、查询服务器、追踪、事务、用户自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳跃查询、视图以及多租户的特性,大数据开发需掌握其原理和使用方法。

 

8.Avro与Protobuf

Avro与Protobuf均是数据序列化系统,可以提供丰富的数据结构类型,十分适合做数据存储,还可进行不同语言之间相互通信的数据交换格式,学习大数据,需掌握其具体用法。

 

9.Cassandra

Apache Cassandra是一个高性能,可扩展性和高线性可用的数据库,可以运行在服务器或云基础设施上,为关键任务数据提供完美的平台,。 Cassandra支持多个数据中心之间复制是同类产品中最好,为用户提供更低的延迟,甚至不惧怕停电。 Cassandra的数据模型提供了便利的列索引,高性能试图和强大的内置缓存。

 

 

10.Kafka

Kafka是一种高吞吐量的分布式发布订阅消息系统,其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理,也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和使用方法及相关功能的实现!

 

 

11.Chukwa

是一个开源大型分布式系统的数据采集监视系统。它是建立在Hadoop分布式文件系统(HDFS)和Map/ Reduce框架之上,并继承了Hadoop的可伸缩性和健壮性。 Chukwa还包括一个灵活而强大的工具包,用于显示,监测和分析结果,以便做出最佳地使用所收集的数据。

 

12.Flume

Flume是一款高可用、高可靠、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。大数据开发需掌握其安装、配置以及相关使用方法。

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

继续阅读
人工智能在2018年商业化进展如何?

自从人工智能围棋程序AlphaGo战胜围棋世界冠军后,人工智能持续成为热门话题,不少企业开始通过人工智能来探寻商业模式。而随着人工智能技术的不断成熟,人工智能大的场景应用开始进入多个行业。

BlackBerry QNX:在1+2+7道路上探索的车载软件王者
BlackBerry QNX:在1+2+7道路上探索的车载软件王者

提及BlackBerry,大家也许想到的更多的是其独特的全键盘手机,然而它却早就完成了华丽的转型。

业内首款RISC-V SoC FPGA架构为Linux带来实时功能,

在5G、机器学习和物联网(IoT)联合推动的新计算时代,嵌入式开发人员需要Linux操作系统的丰富功能,这些功能必须在更低功率、发热量有严格要求的设计环境中满足确定性系统要求,同时满足关键的安全性和可靠性要求。

赋能+连接 浙江天搜科技抢得互联网下半场先发优势

随着产业互联网时代悄然开启,虚拟化进程从个人蔓延至企业,全产业必将历经新一轮升级、变革,而浙江天搜科技股份有限公司(以下简称“浙江天搜科技”)正通过 “赋能”与“连接”,抢得互联网下半场的先发优势。

Linux编程时遇到Oops提示该如何排查?

各位工程师在Linux下开发程序时,有没有遇到由于系统中存在某些小故障而跳出了“Oops”提示的情况,此时你是如何排查故障?一行行的查看代码吗?其实不用那么复杂,本文将为你介绍一种高效的Linux编程的故障排除方法。

更多资讯
简单几步让你看懂单片机时序图

操作时序永远是使用任何一片IC芯片的最主要的内容,看懂时序图,再操控这个芯片就非常容易了。而提取芯片器件手册上有用的信息是使用芯片的最基本步骤。

如何实现SoC全生命周期的监测?

SoC的设计越来越复杂,上市时间、软硬件集成、系统级验证、系统性能、异构、网络安全/功能安全等都是设计人员需要考虑的因素。流片前,设计师能通过仿真软件进行验证,但是流片过程中很多意想不到的结果,需要在流片后仍能被准确的检测出来。

如何将单片机的波特率作为形参的函数

不管是什么单片机,在使用串口通信的时候,有一个非常重要的参数:波特率。什么是波特率:波特率就是每秒传送的字节数。双方在传输数据的过程中,波特率一致,这是通讯成功的基本保障。

代码分享教你如何使用msp430单片机延时函数

今天看示例程序中出现了__delay_cycles()这个函数,在查找msp430x54x.h这个头文件的时候,发现这个头文件中没有该函数的声明,原来这个函数已经在IAR这个编译器中集成,这里总结一下__delay_cycles();这个函数的具体用法

如何控制51单片机液晶实现计时器的功能?

要想实现人机交互,显示装置是不可缺少的。前面讲到了如何利用单片机控制数码管的显示,这篇文章主要关于如何控制液晶显示,并在此基础上加上定时器的功能,把原来已用数码管显示的定时器搬到液晶屏上来。

Moore8直播课堂