大數(shù)據(jù)是眼下非常時(shí)髦的技術(shù)名詞，與此同時(shí)自然也催生出了一些與大數(shù)據(jù)處理相關(guān)的職業(yè)，通過(guò)對(duì)數(shù)據(jù)的挖掘分析來(lái)影響企業(yè)的商業(yè)決策。

專注于為中小企業(yè)提供成都做網(wǎng)站、成都網(wǎng)站建設(shè)服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)牧野免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了成百上千家企業(yè)的穩(wěn)健成長(zhǎng)，幫助中小企業(yè)通過(guò)網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

Hadoop工程師用人企業(yè)普遍要求掌握以下技術(shù)：

1、熟悉Linux開(kāi)發(fā)環(huán)境，熟悉Shell命令

2、熟悉Java、python、scala語(yǔ)言（至少一種）

3、具備較豐富的基于Hadoop、Map Reduce、Yarn、Storm、Spark、Hive、Hbase、kafka、Flume、HDFS、Spark Streaming等的大數(shù)據(jù)處理項(xiàng)目經(jīng)驗(yàn)。

.在入門學(xué)習(xí)大數(shù)據(jù)的過(guò)程當(dāng)中有遇見(jiàn)學(xué)習(xí)，行業(yè)，缺乏系統(tǒng)學(xué)習(xí)路線，系統(tǒng)學(xué)習(xí)規(guī)劃，歡迎你加入我的大數(shù)據(jù)學(xué)習(xí)交流裙：529867072 ，裙文件有我這幾年整理的大數(shù)據(jù)學(xué)習(xí)手冊(cè)，開(kāi)發(fā)工具，PDF文檔書(shū)籍，你可以自行下載。

于是每家公司對(duì)大數(shù)據(jù)工作的要求不盡相同：有的強(qiáng)調(diào)數(shù)據(jù)庫(kù)編程、有的突出應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)知識(shí)、有的則要求有咨詢公司或投行相關(guān)的經(jīng)驗(yàn)、有些是希望能找到懂得產(chǎn)品和市場(chǎng)的應(yīng)用型人才。正因?yàn)槿绱?，很多公司?huì)針對(duì)自己的業(yè)務(wù)類型和團(tuán)隊(duì)分工，給這群與大數(shù)據(jù)打交道的人一些新的頭銜和定義：數(shù)據(jù)挖掘工程師、大數(shù)據(jù)專家、數(shù)據(jù)研究員、用戶分析專家等都是經(jīng)常在國(guó)內(nèi)公司里出現(xiàn)的Title，我們將其統(tǒng)稱為“大數(shù)據(jù)工程師”。

由于國(guó)內(nèi)的大數(shù)據(jù)工作還處在一個(gè)有待開(kāi)發(fā)的階段，因此能從其中挖掘出多少價(jià)值完全取決于工程師的個(gè)人能力。已經(jīng)身處這個(gè)行業(yè)的專家給出了一些人才需求的大體框架，包括要有計(jì)算機(jī)編碼能力、數(shù)學(xué)及統(tǒng)計(jì)學(xué)相關(guān)背景，當(dāng)然如果能對(duì)一些特定領(lǐng)域或行業(yè)有比較深入的了解，對(duì)于其快速判斷并抓準(zhǔn)關(guān)鍵因素則更有幫助。

目前國(guó)內(nèi)的大數(shù)據(jù)應(yīng)用多集中在互聯(lián)網(wǎng)領(lǐng)域，有超過(guò)56%的企業(yè)在籌備發(fā)展大數(shù)據(jù)研究，“未來(lái)5年，94%的公司都會(huì)需要數(shù)據(jù)科學(xué)家?！?/p>

image

大數(shù)據(jù)只需要學(xué)習(xí)Java的標(biāo)準(zhǔn)版JavaSE就可以了，像Servlet、JSP、Tomcat、Struct、Spring、Hibernate，Mybaits都是JavaEE方向的技術(shù)在大數(shù)據(jù)技術(shù)里用到的并不多，只需要了解就可以了，當(dāng)然Java怎么連接數(shù)據(jù)庫(kù)還是要知道的，像JDBC一定要掌握一下，有同學(xué)說(shuō)Hibernate或Mybaits也能連接數(shù)據(jù)庫(kù)啊，為什么不學(xué)習(xí)一下，我這里不是說(shuō)學(xué)這些不好，而是說(shuō)學(xué)這些可能會(huì)用你很多時(shí)間，到最后工作中也不常用，我還沒(méi)看到誰(shuí)做大數(shù)據(jù)處理用到這兩個(gè)東西的，當(dāng)然你的精力很充足的話，可以學(xué)學(xué)Hibernate或Mybaits的原理，不要只學(xué)API，這樣可以增加你對(duì)Java操作數(shù)據(jù)庫(kù)的理解，因?yàn)檫@兩個(gè)技術(shù)的核心就是Java的反射加上JDBC的各種使用。

Linux：因?yàn)榇髷?shù)據(jù)相關(guān)軟件都是在Linux上運(yùn)行的，所以Linux要學(xué)習(xí)的扎實(shí)一些，學(xué)好Linux對(duì)你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會(huì)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(yùn)行環(huán)境和網(wǎng)絡(luò)環(huán)境配置，能少踩很多坑，學(xué)會(huì)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(duì)以后新出的大數(shù)據(jù)技術(shù)學(xué)習(xí)起來(lái)更快。

好說(shuō)完基礎(chǔ)了，再說(shuō)說(shuō)還需要學(xué)習(xí)哪些大數(shù)據(jù)技術(shù)，可以按我寫的順序?qū)W下去。

Hadoop：這是現(xiàn)在流行的大數(shù)據(jù)處理平臺(tái)幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個(gè)是必學(xué)的。Hadoop里面包括幾個(gè)組件HDFS、MapReduce和YARN，HDFS是存儲(chǔ)數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲(chǔ)在這個(gè)上面，MapReduce是對(duì)數(shù)據(jù)進(jìn)行處理計(jì)算的，它有個(gè)特點(diǎn)就是不管多大的數(shù)據(jù)只要給它時(shí)間它就能把數(shù)據(jù)跑完，但是時(shí)間可能不是很快所以它叫數(shù)據(jù)的批處理。YARN是體現(xiàn)Hadoop平臺(tái)概念的重要組件有了它大數(shù)據(jù)生態(tài)體系的其它軟件就能在hadoop上運(yùn)行了，這樣就能更好的利用HDFS大存儲(chǔ)的優(yōu)勢(shì)和節(jié)省更多的資源比如我們就不用再單獨(dú)建一個(gè)spark的集群了，讓它直接跑在現(xiàn)有的hadoop yarn上面就可以了。其實(shí)把Hadoop的這些組件學(xué)明白你就能做大數(shù)據(jù)的處理了，只不過(guò)你現(xiàn)在還可能對(duì)"大數(shù)據(jù)"到底有多大還沒(méi)有個(gè)太清楚的概念，聽(tīng)我的別糾結(jié)這個(gè)。等以后你工作了就會(huì)有很多場(chǎng)景遇到幾十T/幾百T大規(guī)模的數(shù)據(jù)，到時(shí)候你就不會(huì)覺(jué)得數(shù)據(jù)大真好，越大越有你頭疼的。當(dāng)然別怕處理這么大規(guī)模的數(shù)據(jù)，因?yàn)檫@是你的價(jià)值所在，讓那些個(gè)搞Javaee的php的html5的和DBA的羨慕去吧。

Zookeeper：這是個(gè)萬(wàn)金油，安裝Hadoop的HA的時(shí)候就會(huì)用到它，以后的Hbase也會(huì)用到它。它一般用來(lái)存放一些相互協(xié)作的信息，這些信息比較小一般不會(huì)超過(guò)1M，都是使用它的軟件對(duì)它有依賴，對(duì)于我們個(gè)人來(lái)講只需要把它安裝正確，讓它正常的run起來(lái)就可以了。

Mysql：我們學(xué)習(xí)完大數(shù)據(jù)的處理了，接下來(lái)學(xué)習(xí)學(xué)習(xí)小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫(kù)，因?yàn)橐粫?huì)裝hive的時(shí)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(yùn)行起來(lái)，會(huì)配置簡(jiǎn)單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫(kù)。這里主要的是學(xué)習(xí)SQL的語(yǔ)法，因?yàn)閔ive的語(yǔ)法和這個(gè)非常相似。

Sqoop：這個(gè)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(gè)，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(gè)東西對(duì)于會(huì)SQL語(yǔ)法的來(lái)說(shuō)就是神器，它能讓你處理大數(shù)據(jù)變的很簡(jiǎn)單，不會(huì)再費(fèi)勁的編寫MapReduce程序。有的人說(shuō)Pig那？它和Pig差不多掌握一個(gè)就可以了。

Oozie：既然學(xué)會(huì)Hive了，我相信你一定需要這個(gè)東西，它可以幫你管理你的Hive或者M(jìn)apReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯(cuò)了給你發(fā)報(bào)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(huì)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(jué)。

Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫(kù)，他的數(shù)據(jù)是按照key和value的形式存儲(chǔ)的并且key是唯一的，所以它能用來(lái)做數(shù)據(jù)的排重，它與MYSQL相比能存儲(chǔ)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(chǔ)目的地。

Kafka：這是個(gè)比較好用的隊(duì)列工具，隊(duì)列是干嗎的？排隊(duì)買票你知道不？數(shù)據(jù)多了同樣也需要排隊(duì)處理，這樣與你協(xié)作的其它同學(xué)不會(huì)叫起來(lái)，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(guò)來(lái)，你別怪他因?yàn)樗皇歉愦髷?shù)據(jù)的，你可以跟他講我把數(shù)據(jù)放在隊(duì)列里你使用的時(shí)候一個(gè)個(gè)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?yàn)樘幚聿贿^(guò)來(lái)就是他的事情。而不是你給的問(wèn)題。當(dāng)然我們也可以利用這個(gè)工具來(lái)做線上實(shí)時(shí)數(shù)據(jù)的入庫(kù)或入HDFS，這時(shí)你可以與一個(gè)叫Flume的工具配合使用，它是專門用來(lái)提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，并寫到各種數(shù)據(jù)接受方（比如Kafka）的。

Spark：它是用來(lái)彌補(bǔ)基于MapReduce處理數(shù)據(jù)速度上的缺點(diǎn)，它的特點(diǎn)是把數(shù)據(jù)裝載到內(nèi)存中計(jì)算而不是去讀慢的要死進(jìn)化還特別慢的硬盤。特別適合做迭代運(yùn)算，所以算法流們特別稀飯它。它是用scala編寫的。Java語(yǔ)言或者Scala都可以操作它，因?yàn)樗鼈兌际怯肑VM的。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

文章題目：做大數(shù)據(jù)工程師需要掌握哪些技能呢？-創(chuàng)新互聯(lián)
標(biāo)題路徑：http://weahome.cn/article/sppjd.html