面對大數(shù)據(jù),各種處理系統(tǒng)層出不窮,各有特色.總體來說,我們普開數(shù)據(jù)可以總結(jié)出的發(fā)展趨勢,以下是小編為你整理的如何學(xué)習(xí)好大數(shù)據(jù) ?
(1) 數(shù)據(jù)處理引擎專用化:為了降低成本,提高能效,大數(shù)據(jù)系統(tǒng)需要擺脫傳統(tǒng)的通用體系,趨向?qū)S没軜?gòu)技術(shù).為此,國內(nèi)外的互聯(lián)網(wǎng)龍頭企業(yè)都在基于開源系統(tǒng)開發(fā)面向典型應(yīng)用的大規(guī)模、高通量、低成本、強(qiáng)擴(kuò)展的專用化系統(tǒng);
?
(2) 數(shù)據(jù)處理平臺多樣化:自2008年以來克隆了Google的GFS和MapReduce的Apache Hadoop逐漸被互聯(lián)網(wǎng)企業(yè)所廣泛接納,并成為大數(shù)據(jù)處理領(lǐng)域的事實標(biāo)準(zhǔn).但在全面兼容Hadoop的基礎(chǔ)上,Spark通過更多的利用內(nèi)存處理大幅提高系統(tǒng)性能.而Scribe,Flume,Kafka,Storm,Drill,Impala,TEZ/Stinger,Presto,Spark/Shark等的出現(xiàn)并不是取代Hadoop,而是擴(kuò)大了大數(shù)據(jù)技術(shù)的生態(tài)環(huán)境,促使生態(tài)環(huán)境向良性化和完整化發(fā)展. ?
(3) 數(shù)據(jù)計算實時化:在大數(shù)據(jù)背景下,作為批量計算的補充,旨在將PB級數(shù)據(jù)的處理時間縮短到秒級的實時計算受到越來越多的關(guān)注. ?
大數(shù)據(jù)學(xué)習(xí)的(必備技能) ?
1. 數(shù)據(jù)結(jié)構(gòu) ?
2. 關(guān)系型數(shù)據(jù)庫 ?
3. Linux系統(tǒng)操作 ?
4. Linux操作系統(tǒng)概述 ?
5. 安裝Linux操作系統(tǒng) ?
6. 圖形界面操作基礎(chǔ) ?
7. Linux字符界面基礎(chǔ) ?
8. 字符界面操作進(jìn)階 ?
9. 用戶、組群和權(quán)限管理 ?
10. 文件系統(tǒng)管理 ?
11. 軟件包管理與系統(tǒng)備份 ?
12. Linux網(wǎng)絡(luò)配置 ?
主要掌握Linux操作系統(tǒng)的理論基礎(chǔ)和服務(wù)器配置實踐知識,同時通過大量實驗,著重培養(yǎng)學(xué)生的動手能力。使學(xué)生了解Linux操作系統(tǒng)在行業(yè)中的重要地位和廣泛的使用范圍。在學(xué)習(xí)Linux的基礎(chǔ)上,加深對服務(wù)器操作系統(tǒng)的認(rèn)識和實踐配置能力。加深對計算機(jī)網(wǎng)絡(luò)基礎(chǔ)知識的理解,并在實踐中加以應(yīng)用。掌握Linux操作系統(tǒng)的安裝、命令行操作、用戶管理、磁盤管理、文件系統(tǒng)管理、軟件包管理、進(jìn)程管理、系統(tǒng)監(jiān)測和系統(tǒng)故障排除。掌握Linux操作系統(tǒng)的網(wǎng)絡(luò)配置、DNS、DHCP、HTTP、FTP、SMTP和POP3服務(wù)的配置與管理。為更深一步學(xué)習(xí)其它網(wǎng)絡(luò)操作系統(tǒng)和軟件系統(tǒng)開發(fā)奠定堅實的基礎(chǔ)。與此同時,如果大家有時間把javaweb及框架學(xué)習(xí)一番,會讓你的大數(shù)據(jù)學(xué)習(xí)更自由一些。 ?
學(xué)大數(shù)據(jù)要注意的事項 ?
特征。特征分析是從數(shù)據(jù)庫中的一組數(shù)據(jù)中提取出關(guān)于這些數(shù)據(jù)的特征式,這些特征式表達(dá)了該數(shù)據(jù)集的總體特征。如營銷人員通過對客戶流失因素的特征提取,可以得到導(dǎo)致客戶流失的一系列原因和主要特征,利用這些特征可以有效地預(yù)防客戶的流失。
?
變化和偏差分析。偏差包括很大一類潛在有趣的知識,如分類中的反常實例,模式的例外,觀察結(jié)果對期望的偏差等,其目的是尋找觀察結(jié)果與參照量之間有意義的差別。在企業(yè)危機(jī)管理及其預(yù)警中,管理者更感興趣的是那些意外規(guī)則。意外規(guī)則的挖掘可以應(yīng)用到各種異常信息的發(fā)現(xiàn)、分析、識別、評價和預(yù)警等方面。 ?
Web頁挖掘。隨著Internet的迅速發(fā)展及Web 的全球普及, 使得Web上的信息量無比豐富,通過對Web的挖掘,可以利用Web 的海量數(shù)據(jù)進(jìn)行分析,收集政治、經(jīng)濟(jì)、政策、科技、金融、各種市場、競爭對手、供求信息、客戶等有關(guān)的信息,集中精力分析和處理那些對企業(yè)有重大或潛在重大影響的外部環(huán)境信息和內(nèi)部經(jīng)營信息,并根據(jù)分析結(jié)果找出企業(yè)管理過程中出現(xiàn)的各種問題和可能引起危機(jī)的先兆,對這些信息進(jìn)行分析和處理,以便識別、分析、評價和管理危機(jī)。 ?
MapReduce工作機(jī)制
MapReduce的主體是兩個函數(shù)Map()和Reduce(),Map負(fù)責(zé)清洗數(shù)據(jù),Reduce負(fù)責(zé)數(shù)據(jù)分析并輸出最終結(jié)果,而且這兩個功能之間并非一對一的關(guān)系,可以根據(jù)具體業(yè)務(wù)選擇匹配關(guān)系。 ?
Map函數(shù)
輸入:鍵值關(guān)系的數(shù)據(jù)隊列,鍵是每段內(nèi)容開頭的偏移量。
處理:從輸入中抽取出自定義的關(guān)鍵字段。這個處理過程可以很簡單,也可以很復(fù)雜。
輸出:鍵值關(guān)系的數(shù)據(jù)隊列,通常是保存在硬盤上,而不是HDFS中。因為這個數(shù)據(jù)集只是個中間過程,計算結(jié)束時需要被刪除。 ?
Reduce函數(shù)
輸入:Map的輸出結(jié)果經(jīng)過MapReduce框架處理之后分發(fā)給Reduce函數(shù),因為通常一個Reduce函數(shù)需要拿到完整的數(shù)據(jù)集之后才能開始分析。
處理:這一步的分析處理將是最為艱難和富有價值的環(huán)節(jié)。根據(jù)不同業(yè)務(wù)指標(biāo)定義處理函數(shù)。
輸出:輸出自定義的格式文件,并且保存在HDFS上。 ?
Combiner函數(shù)
輸入:Map的輸出結(jié)果未經(jīng)過MapReduce框架處理之后直接傳送給Combiner函數(shù)。
處理:Combiner函數(shù)著手做合并歸類和排序等處理,經(jīng)過處理之后,數(shù)據(jù)集大大縮小。
輸出:這時的輸出結(jié)果才傳送給MapReduce架構(gòu)處理中心。
解決問題:減少帶寬傳輸壓力!