首先我們要了解Java語言和Linux操作系統(tǒng)，這兩個是學(xué)習(xí)大數(shù)據(jù)的基礎(chǔ)，學(xué)習(xí)的順序不分前后。
創(chuàng)新互聯(lián)公司服務(wù)項目包括陽泉網(wǎng)站建設(shè)、陽泉網(wǎng)站制作、陽泉網(wǎng)頁制作以及陽泉網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，陽泉網(wǎng)站推廣取得了明顯的社會效益與經(jīng)濟效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到陽泉省份的部分城市，未來相信會繼續(xù)擴大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！
Java ：只要了解一些基礎(chǔ)即可，做大數(shù)據(jù)不需要很深的Java 技術(shù)，學(xué)java SE 就相當(dāng)于有學(xué)習(xí)大數(shù)據(jù)基礎(chǔ)。
Linux：因為大數(shù)據(jù)相關(guān)軟件都是在Linux上運行的，所以Linux要學(xué)習(xí)的扎實一些，學(xué)好Linux對你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運行環(huán)境和網(wǎng)絡(luò)環(huán)境配置，能少踩很多坑，學(xué)會shell就能看懂腳本這樣能更容易理解和配置大數(shù)據(jù)集群。還能讓你對以后新出的大數(shù)據(jù)技術(shù)學(xué)習(xí)起來更快。
Hadoop：這是現(xiàn)在流行的大數(shù)據(jù)處理平臺幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個是必學(xué)的。Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數(shù)據(jù)進行處理計算的，它有個特點就是不管多大的數(shù)據(jù)只要給它時間它就能把數(shù)據(jù)跑完，但是時間可能不是很快所以它叫數(shù)據(jù)的批處理。
Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。它一般用來存放一些相互協(xié)作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對于我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
Mysql：我們學(xué)習(xí)完大數(shù)據(jù)的處理了，接下來學(xué)習(xí)學(xué)習(xí)小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫。這里主要的是學(xué)習(xí)SQL的語法，因為hive的語法和這個非常相似。
Sqoop：這個是用于把Mysql里的數(shù)據(jù)導(dǎo)入到Hadoop里的。當(dāng)然你也可以不用這個，直接把Mysql數(shù)據(jù)表導(dǎo)出成文件再放到HDFS上也是一樣的，當(dāng)然生產(chǎn)環(huán)境中使用要注意Mysql的壓力。
Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據(jù)變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。
Oozie：既然學(xué)會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯了給你發(fā)報警并能幫你重試程序，最重要的是還能幫你配置任務(wù)的依賴關(guān)系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。
Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫，他的數(shù)據(jù)是按照key和value的形式存儲的并且key是唯一的，所以它能用來做數(shù)據(jù)的排重，它與MYSQL相比能存儲的數(shù)據(jù)量大很多。所以他常被用于大數(shù)據(jù)處理完成之后的存儲目的地。
Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數(shù)據(jù)多了同樣也需要排隊處理，這樣與你協(xié)作的其它同學(xué)不會叫起來，你干嗎給我這么多的數(shù)據(jù)(比如好幾百G的文件)我怎么處理得過來，你別怪他因為他不是搞大數(shù)據(jù)的，你可以跟他講我把數(shù)據(jù)放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優(yōu)化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當(dāng)然我們也可以利用這個工具來做線上實時數(shù)據(jù)的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方(比如Kafka)的。
Spark：它是用來彌補基于MapReduce處理數(shù)據(jù)速度上的缺點，它的特點是把數(shù)據(jù)裝載到內(nèi)存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。
很多新手在學(xué)習(xí)java的時候都比較迷茫，不知道從哪里開始學(xué)起，這里就給大家整理了一份java開發(fā)學(xué)習(xí)路線，比較系統(tǒng)全面，可參考這份大綱來安排學(xué)習(xí)計劃，希望可以幫到你~
2020最新java學(xué)習(xí)路線圖：
第一階段：java專業(yè)基礎(chǔ)課程
階段目標(biāo)：
1、熟練掌握java的開發(fā)環(huán)境與編程核心知識；
2、熟練運用java面向?qū)ο笾R進行程序開發(fā)；
3、對java的核心對象和組件有深入理解；
4、熟練運用javaAPI相關(guān)知識；
5、熟練應(yīng)用java多線程技術(shù)；
6、能綜合運用所學(xué)知識完成一個項目。
知識點：
1、基本數(shù)據(jù)類型，運算符，數(shù)組，掌握基本數(shù)據(jù)類型轉(zhuǎn)換，運算符，流程控制；
2、數(shù)組，排序算法，java常用API，類和對象，了解類與對象，熟悉常用API；
3、面向?qū)ο筇卣?，集合框架，熟悉面向?qū)ο笕筇卣?，熟練使用集合框架?/p>
4、IO流，多線程；
5、網(wǎng)絡(luò)協(xié)議，線程運用。
第二階段：javaWEB核心課程
階段目標(biāo)：
1、熟練掌握數(shù)據(jù)庫和MySQL核心技術(shù)；
2、深入理解JDBC與DAO數(shù)據(jù)庫操作；
3、熟練運用JSP及Servlet技術(shù)完成網(wǎng)站后臺開發(fā)；
4、深入理解緩存、連繼池、注解、反射、泛型等知識；
5、能夠運用所學(xué)知識完成自定義框架。
知識點：
1、數(shù)據(jù)庫知識，范式，MySQL配置，命令，建庫建表，數(shù)據(jù)的增刪改查，約束，視圖，存儲過程，函數(shù)，觸發(fā)器，事務(wù)，游標(biāo)，建模工具。
2、深入理解數(shù)據(jù)庫管理系統(tǒng)通用知識及MySQL數(shù)據(jù)庫的使用與管理。為Java后臺開發(fā)打下堅實基礎(chǔ)。Web頁面元素，布局，CSS樣式，盒模型，JavaScript，jQuery。
3、掌握前端開發(fā)技術(shù)，掌握jQuery。
4、Servlet，EL表達式，會話跟蹤技術(shù)，過濾器，F(xiàn)reeMarker。
5、掌握Servlet相關(guān)技術(shù)，利用Servlet，JSP相關(guān)應(yīng)用技術(shù)和DAO完成B/S架構(gòu)下的應(yīng)用開發(fā)。
6、泛型，反射，注解。
7、掌握JAVA高級應(yīng)用，利用泛型，注解，枚舉完成自己的CRUD框架開發(fā)為后續(xù)框架學(xué)習(xí)做鋪墊。
8、單點登錄，支付功能，項目整合，分頁封裝熟練運用JSP及Servlet核心知識完成項目實戰(zhàn)。
第三階段：JavaEE框架課程
階段目標(biāo)：
1. 熟練運用Linux操作系統(tǒng)常見命令及完成環(huán)境部署和Nginx服務(wù)器的配置
2. 熟練運用JavaEE三大核心框架：Spring,SpringMVC,MyBatis
3. 熟練運用Maven,并使用SpringBoot進行快速框架搭建
4. 深入理解框架的實現(xiàn)原理，Java底層技術(shù)，企業(yè)級應(yīng)用等
5. 使用Shiro,Ztree和Spring,SpringMVC,Mybaits完成企業(yè)項目
知識點：
1、Linux安裝配置，文件目錄操作，VI命令，管理，用戶與權(quán)限，環(huán)境部署，Struts2概述，hiberante概述。
2、Linux作為一個主流的服務(wù)器操作系統(tǒng)，是每一個開發(fā)工程師必須掌握的重點技術(shù)，并且能夠熟練運用。
3、SSH的整合,MyBatis,SpringMVC,Maven的使用。
4、了解AOP原理，了解中央控制器原理，掌握MyBatis框架，掌握SSM框架的整合。
5、Shiro,Ztree，項目文檔，項目規(guī)范，需求分析，原型圖設(shè)計，數(shù)據(jù)庫設(shè)計，工程構(gòu)建，需求評審，配置管理，BUG修復(fù)，項目管理等。
6、獨立自主完成一個中小型的企業(yè)級綜合項目的設(shè)計和整體架構(gòu)的原型和建模。獨立自主完成一個大型的企業(yè)級綜合項目，并具備商業(yè)價值。
第四階段：分布式與微服務(wù)課程
階段目標(biāo)：
1.掌握前端框架VUE及Bootstrap的應(yīng)用開發(fā)
2.基于SpringCloud完成微服務(wù)架構(gòu)項目的開發(fā)
3.掌握NoSQL數(shù)據(jù)庫Redis的使用
4.掌握消息隊列RabbitMQ的使用
5.掌握Mycat數(shù)據(jù)庫中間件的使用
知識點：
1、Bootstrap前端框架、VUE前端框架、RabbitMQ消息隊列。
2、掌握Bootstrap前端框架開發(fā)、掌握VUE前端框架開發(fā)、掌握RabbitMQ消息隊列的應(yīng)用、掌握SpringBoot集成RabbitMQ。
3、Redis緩存數(shù)據(jù)庫的應(yīng)用、Java基于Redis的應(yīng)用開發(fā)、基于SpringCloud微服務(wù)架構(gòu)開發(fā)實戰(zhàn)。
4、掌握NOSQL數(shù)據(jù)庫Redis的安裝、使用，Redis客戶端的安裝使用，Java訪問操作Redis數(shù)據(jù)庫，Redis的持久化方案、主從復(fù)制、高可用。
5、掌握SpringCloud微服務(wù)架構(gòu)的開發(fā)，注冊中心，網(wǎng)關(guān)配置，配置中心，微服務(wù)間通信及容器化部署。
6、項目文檔，項目規(guī)范，需求分析，數(shù)據(jù)庫設(shè)計，工程構(gòu)建，需求評審，配置管理，BUG修復(fù)，項目管理等。
7、掌握數(shù)據(jù)庫中間件Mycat的應(yīng)用，基于Mycat實現(xiàn)數(shù)據(jù)讀寫分離，高可用集群。
8、掌握項目開發(fā)的流程，按照項目開發(fā)流程完成基于微服務(wù)架構(gòu)項目的需求分析，編碼開發(fā)。
PS：溫馨提示，光看不練假把式，跟著視頻教程練項目也是必不可少的！相關(guān)教程指路B站尚學(xué)堂官方號！都是免費滴！
Hadoop
文件系統(tǒng)：文件系統(tǒng)是用來存儲和管理文件，并且提供文件的查詢、增加、刪除等操作。
直觀上的體驗：在shell窗口輸入 ls 命令，就可以看到當(dāng)前目錄下的文件夾、文件。
文件存儲在哪里？硬盤
一臺只有250G硬盤的電腦，如果需要存儲500G的文件可以怎么辦？先將電腦硬盤擴容至少250G，再將文件分割成多塊，放到多塊硬盤上儲存。
通過 hdfs dfs -ls 命令可以查看分布式文件系統(tǒng)中的文件，就像本地的ls命令一樣。
HDFS在客戶端上提供了查詢、新增和刪除的指令，可以實現(xiàn)將分布在多臺機器上的文件系統(tǒng)進行統(tǒng)一的管理。
在分布式文件系統(tǒng)中，一個大文件會被切分成塊，分別存儲到幾臺機器上。結(jié)合上文中提到的那個存儲500G大文件的那個例子，這500G的文件會按照一定的大小被切分成若干塊，然后分別存儲在若干臺機器上，然后提供統(tǒng)一的操作接口。
看到這里，不少人可能會覺得，分布式文件系統(tǒng)不過如此，很簡單嘛。事實真的是這樣的么？
潛在問題
假如我有一個1000臺機器組成的分布式系統(tǒng)，一臺機器每天出現(xiàn)故障的概率是0.1%，那么整個系統(tǒng)每天出現(xiàn)故障的概率是多大呢？答案是(1-0.1%)^1000=63%，因此需要提供一個容錯機制來保證發(fā)生差錯時文件依然可以讀出，這里暫時先不展開介紹。
如果要存儲PB級或者EB級的數(shù)據(jù)，成千上萬臺機器組成的集群是很常見的，所以說分布式系統(tǒng)比單機系統(tǒng)要復(fù)雜得多呀。
這是一張HDFS的架構(gòu)簡圖：
client通過nameNode了解數(shù)據(jù)在哪些DataNode上，從而發(fā)起查詢。此外，不僅是查詢文件，寫入文件的時候也是先去請教NameNode，看看應(yīng)該往哪個DateNode中去寫。
為了某一份數(shù)據(jù)只寫入到一個Datanode中，而這個Datanode因為某些原因出錯無法讀取的問題，需要通過冗余備份的方式來進行容錯處理。因此，HDFS在寫入一個數(shù)據(jù)塊的時候，不會僅僅寫入一個DataNode，而是會寫入到多個DataNode中，這樣，如果其中一個DataNode壞了，還可以從其余的DataNode中拿到數(shù)據(jù)，保證了數(shù)據(jù)不丟失。
實際上，每個數(shù)據(jù)塊在HDFS上都會保存多份，保存在不同的DataNode上。這種是犧牲一定存儲空間換取可靠性的做法。
接下來我們來看一下完整的文件寫入的流程：
大文件要寫入HDFS，client端根據(jù)配置將大文件分成固定大小的塊，然后再上傳到HDFS。
讀取文件的流程：
1、client詢問NameNode，我要讀取某個路徑下的文件，麻煩告訴我這個文件都在哪些DataNode上？
2、NameNode回復(fù)client，這個路徑下的文件被切成了3塊，分別在DataNode1、DataNode3和DataNode4上
3、client去找DataNode1、DataNode3和DataNode4，拿到3個文件塊，通過stream讀取并且整合起來
文件寫入的流程：
1、client先將文件分塊，然后詢問NameNode，我要寫入一個文件到某個路徑下，文件有3塊，應(yīng)該怎么寫？
2、NameNode回復(fù)client，可以分別寫到DataNode1、DataNode2、DataNode3、DataNode4上，記住，每個塊重復(fù)寫3份，總共是9份
3、client找到DataNode1、DataNode2、DataNode3、DataNode4，把數(shù)據(jù)寫到他們上面
出于容錯的考慮，每個數(shù)據(jù)塊有3個備份，但是3個備份快都直接由client端直接寫入勢必會帶來client端過重的寫入壓力，這個點是否有更好的解決方案呢？回憶一下mysql主備之間是通過binlog文件進行同步的，HDFS當(dāng)然也可以借鑒這個思想，數(shù)據(jù)其實只需要寫入到一個datanode上，然后由datanode之間相互進行備份同步，減少了client端的寫入壓力，那么至于是一個datanode寫入成功即成功，還是需要所有的參與備份的datanode返回寫入成功才算成功，是可靠性配置的策略，當(dāng)然這個設(shè)置會影響到數(shù)據(jù)寫入的吞吐率，我們可以看到可靠性和效率永遠是“魚和熊掌不可兼得”的。
潛在問題
NameNode確實會回放editlog，但是不是每次都從頭回放，它會先加載一個fsimage，這個文件是之前某一個時刻整個NameNode的文件元數(shù)據(jù)的內(nèi)存快照，然后再在這個基礎(chǔ)上回放editlog，完成后，會清空editlog，再把當(dāng)前文件元數(shù)據(jù)的內(nèi)存狀態(tài)寫入fsimage，方便下一次加載。
這樣，全量回放就變成了增量回放，但是如果NameNode長時間未重啟過，editlog依然會比較大，恢復(fù)的時間依然比較長，這個問題怎么解呢？
SecondNameNode是一個NameNode內(nèi)的定時任務(wù)線程，它會定期地將editlog寫入fsimage，然后情況原來的editlog，從而保證editlog的文件大小維持在一定大小。
NameNode掛了， SecondNameNode并不能替代NameNode，所以如果集群中只有一個NameNode，它掛了，整個系統(tǒng)就掛了。hadoop2.x之前，整個集群只能有一個NameNode，是有可能發(fā)生單點故障的，所以hadoop1.x有本身的不穩(wěn)定性。但是hadoop2.x之后，我們可以在集群中配置多個NameNode，就不會有這個問題了，但是配置多個NameNode，需要注意的地方就更多了，系統(tǒng)就更加復(fù)雜了。
俗話說“一山不容二虎”，兩個NameNode只能有一個是活躍狀態(tài)active，另一個是備份狀態(tài)standby，我們看一下兩個NameNode的架構(gòu)圖。
兩個NameNode通過JournalNode實現(xiàn)同步editlog，保持狀態(tài)一致可以相互替換。
因為active的NameNode掛了之后，standby的NameNode要馬上接替它，所以它們的數(shù)據(jù)要時刻保持一致，在寫入數(shù)據(jù)的時候，兩個NameNode內(nèi)存中都要記錄數(shù)據(jù)的元信息，并保持一致。這個JournalNode就是用來在兩個NameNode中同步數(shù)據(jù)的，并且standby NameNode實現(xiàn)了SecondNameNode的功能。
進行數(shù)據(jù)同步操作的過程如下：
active NameNode有操作之后，它的editlog會被記錄到JournalNode中，standby NameNode會從JournalNode中讀取到變化并進行同步，同時standby NameNode會監(jiān)聽記錄的變化。這樣做的話就是實時同步了，并且standby NameNode就實現(xiàn)了SecondNameNode的功能。
優(yōu)點：
缺點：
只要有交叉，通常而言都會有注入漏洞的。只是對于漏洞，你大可放心，應(yīng)為一般而言注入提權(quán)都是針對常用的熱門數(shù)據(jù)庫和已知漏洞進行的，對于新興的沒有大規(guī)模使用的數(shù)據(jù)庫來說，沒有太多人花很多時間去研究，只要沒大規(guī)模傳播擴散漏洞信息，即使是有，也比較安全的?？偛豢赡苡腥司蛯６⒛愕臄?shù)據(jù)庫入侵提權(quán)吧
大數(shù)據(jù)現(xiàn)在這么火，想往大數(shù)據(jù)方面發(fā)展，但是英文、數(shù)學(xué)不好的可以嗎？？ 學(xué)習(xí)大數(shù)據(jù)該學(xué)哪些技術(shù)？？大數(shù)據(jù)和程序員比哪個要好學(xué)點？？等等。。。很多人學(xué)大數(shù)據(jù)的原因就是大數(shù)據(jù)找工作好找，薪資很高，，當(dāng)然，為了這個原因也是可以的，畢竟這個時代就業(yè)壓力確實很大，為了一個好的工作學(xué)一門技術(shù)，，但是我想問下你，你的專業(yè)是什么呢？？對于計算機/軟件，你的興趣是什么？是計算機專業(yè)，對操作系統(tǒng)、硬件、網(wǎng)絡(luò)、服務(wù)器感興趣？是軟件專業(yè)，對軟件開發(fā)、編程、寫代碼感興趣？還是數(shù)學(xué)、統(tǒng)計學(xué)專業(yè)，對數(shù)據(jù)和數(shù)字特別感興趣。。
其實說這些不是為了說明大數(shù)據(jù)有多難，只是告訴你這就是大數(shù)據(jù)的三個發(fā)展方向，平臺搭建/優(yōu)化/運維/監(jiān)控、大數(shù)據(jù)開發(fā)/設(shè)計/架構(gòu)、數(shù)據(jù)分析/挖掘。。這三個方面沒有哪個容易學(xué)些、哪個薪資高些、哪個發(fā)展前景好些。。。
現(xiàn)如今大數(shù)據(jù)開源框架也是越來越多，舉幾個常用的例子：
文件存儲：Hadoop HDFS、Tachyon、KFS
流式、實時計算：Storm、Spark Streaming、S4、Heron
K-V、NOSQL數(shù)據(jù)庫：HBase、Redis、MongoDB
資源管理：YARN、Mesos
日志收集：Flume、Scribe、Logstash、Kibana
消息系統(tǒng)：Kafka、StormMQ、ZeroMQ、RabbitMQ
查詢分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
分布式協(xié)調(diào)服務(wù)：Zookeeper
集群管理與監(jiān)控：Ambari、Ganglia、Nagios、Cloudera Manager
數(shù)據(jù)挖掘、機器學(xué)習(xí)：Mahout、Spark MLLib
數(shù)據(jù)同步：Sqoop
任務(wù)調(diào)度：Oozie
上面有30多種框架了吧，哈哈，是不是有點慌了，雖然有這么多框架，別說全部精通了，就算是全會用的，估計現(xiàn)在也沒有幾個，就要看你在三個方面往哪個方面發(fā)展了。就拿第二個來說（開發(fā)/設(shè)計、架構(gòu)），且先聽聽我的建議：
一、初識hadoop
Hadoop可以算是大數(shù)據(jù)存儲和計算的開山鼻祖，現(xiàn)在大多開源的大數(shù)據(jù)框架都依賴Hadoop或者與它能很好的兼容。
關(guān)于Hadoop,你至少需要搞清楚以下是什么：
Hadoop 1.0、Hadoop 2.0
MapReduce、HDFS
NameNode、DataNode
JobTracker、TaskTracker
Yarn、ResourceManager、NodeManager
自己搭建Hadoop，請使用第一步和第二步，能讓它跑起來就行。
建議先使用安裝包命令行安裝，不要使用管理工具安裝。
另外：Hadoop1.0知道它就行了，現(xiàn)在都用Hadoop 2.0.
二、更高效的WordCount
首先，你得先學(xué)習(xí)SQL，訪問、查詢數(shù)據(jù)庫的基本語言還是要懂的。。然后SQL On Hadoop之Hive，Hive是數(shù)據(jù)倉庫工具，數(shù)據(jù)倉庫是邏輯上的概念，底層使用的是數(shù)據(jù)庫，數(shù)據(jù)倉庫的特點：數(shù)據(jù)全（海量）、穩(wěn)定；所謂穩(wěn)定，比如數(shù)據(jù)庫的數(shù)據(jù)經(jīng)常要更新，而數(shù)據(jù)倉庫的數(shù)據(jù)是不會被更新，只會被查詢，所以說Hive適合做數(shù)據(jù)倉庫。最后就是了解hive的工作原理，學(xué)會Hive的工作命令。
三、把別處的數(shù)據(jù)搞到Hadoop上
四、把Hadoop上的數(shù)據(jù)搞到別處去
五、實例分析
六、實時數(shù)據(jù)
七、更新查詢數(shù)據(jù)
八、高大上的機器學(xué)習(xí)
完成了第一、二，說明你已經(jīng)快步入大數(shù)據(jù)的行列了，寫的不好也請多多包涵。
詳細了解 可登錄網(wǎng)址：網(wǎng)頁鏈接
SET IDENTITY_INSERT [AbroadOrgan] OFF
當(dāng)IDENTITY列中間的數(shù)據(jù)被刪除，造成數(shù)據(jù)不連續(xù)的時候。
可以通過SET IDENTITY_INSERT 表名ON/OFF語句來允許/禁止對IDENTITY列進行顯式的插入動作。
詳細說明與例子,參考下面的帖子:
ALTER TABLE [Admin] WITH NOCHECK ADD CONSTRAINT [PK_Admin] PRIMARY KEY NONCLUSTERED ( [AdminID] )
ALTER TABLE 是修改表
WITH NOCHECK 是不檢查表的 約束.
ADD CONSTRAINT [PK_Admin] PRIMARY KEY 是新增 主鍵
NONCLUSTERED ( [AdminID] ) NONCLUSTERED 意思是 主鍵 使用 非聚集索引
(默認情況下, SQL Server 的主鍵， 使用的是 聚集索引)
重慶分公司
重慶分公司
