大數(shù)據(jù)技術發(fā)展到目前已經(jīng)經(jīng)歷了幾個階段，在很多企業(yè)都已經(jīng)形成了相對成熟穩(wěn)定的架構，如何了解其發(fā)展中的概況。以下是小編為你整理的大數(shù)據(jù)分析如何學 ?

大數(shù)據(jù)系統(tǒng)的演化歷程包括：解決數(shù)據(jù)規(guī)模問題，解決使用門檻問題，解決計算延遲問題，解決復雜場景問題。 ?

大數(shù)據(jù)的整體架構可以按以下分層：數(shù)據(jù)源、數(shù)據(jù)采集Agent、數(shù)據(jù)存儲、數(shù)據(jù)計算和數(shù)據(jù)應用。 ?

數(shù)據(jù)源從內(nèi)部來講一般來自于企業(yè)的各個數(shù)據(jù)中心，外部一般從互聯(lián)網(wǎng)獲取，也可能與其他企業(yè)或機構通過交換傳輸。

數(shù)據(jù)的采集通常有批處理的傳送，或者基于kafka等組件的實時接口，采集要確保準確高效。 ?

數(shù)據(jù)的存儲方式也包含多種，可以基于hadoop的分布式文件系統(tǒng)，或者基于hbase分布式數(shù)據(jù)庫，也可以基于Kafka。 ?

數(shù)據(jù)的計算包括離線分析(Hive、Spark、MR)，即席查詢/多維分析(Presto、SparkSQL、Kylin)和實時計算引擎(Flink、Spark Streaming)。 ?

數(shù)據(jù)的應用層包括數(shù)據(jù)報表和離線計算，交互式查詢以及BI分析，模型訓練以及針對性的廣告投放。 ?

? ?

大數(shù)據(jù)對我們有什么影響? ?

網(wǎng)絡發(fā)展越來越快，當互聯(lián)網(wǎng)形成，世界發(fā)生變化。十年前的互聯(lián)網(wǎng)與今天的 ?

互聯(lián)網(wǎng)不同，今天的互聯(lián)網(wǎng)將在未來5年陳舊。是什么原因?qū)е碌?答案是： ?

大數(shù)據(jù)。 ?

什么是大數(shù)據(jù)? ?

大數(shù)據(jù)是一個概念，一種說法，解釋就是每天海量的網(wǎng)絡， ?

極大的復雜的數(shù)據(jù)集合 ?

這些數(shù)據(jù)以什么單位呈現(xiàn)呢，比如9x10的18次方，大家可以想象龐大數(shù)據(jù) ?

為什么我要去了解大數(shù)據(jù)運營 ?

打個比方，一個公司有生成產(chǎn)品，有銷售人員，如果公司生產(chǎn)很多產(chǎn)品， ?

就像大數(shù)據(jù)一樣，我們應該把這些數(shù)據(jù)轉(zhuǎn)變?yōu)橘嶅X， ?

所以需要怎么賣到用戶手里，這樣大數(shù)據(jù)才有用 ?

了解運營需要了解大數(shù)據(jù)從出現(xiàn)到實現(xiàn)賺錢整個過程 ?

*需要知道哪些數(shù)據(jù)對你公司或者個人有用 ?

第二這些數(shù)據(jù)如何獲得 ?

第三獲得數(shù)據(jù)如何處理 ?

第四如何數(shù)據(jù)如何轉(zhuǎn)換成利潤 ?

? ?

大數(shù)據(jù)概念的結構 ?

大數(shù)據(jù)就是互聯(lián)網(wǎng)發(fā)展到現(xiàn)今階段的一種表象或特征而已，沒有必要神話它或?qū)λ３志次分?，在以云計算為代表的技術創(chuàng)新大幕的襯托下，這些原本很難收集和使用的數(shù)據(jù)開始容易被利用起來了，通過各行各業(yè)的不斷創(chuàng)新，大數(shù)據(jù)會逐步為人類創(chuàng)造更多的價值。 ?

其次，想要系統(tǒng)的認知大數(shù)據(jù)，必須要全面而細致的分解它，我著手從三個層面來展開：

?

*層面是理論，理論是認知的必經(jīng)途徑，也是被廣泛認同和傳播的基線。在這里從大數(shù)據(jù)的特征定義理解行業(yè)對大數(shù)據(jù)的整體描繪和定性;從對大數(shù)據(jù)價值的探討來深入解析大數(shù)據(jù)的珍貴所在;洞悉大數(shù)據(jù)的發(fā)展趨勢;從大數(shù)據(jù)隱私這個特別而重要的視角審視人和數(shù)據(jù)之間的長久博弈。 ?

第二層面是技術，技術是大數(shù)據(jù)價值體現(xiàn)的手段和前進的基石。在這里分別從云計算、分布式處理技術、存儲技術和感知技術的發(fā)展來說明大數(shù)據(jù)從采集、處理、存儲到形成結果的整個過程。 ?

第三層面是實踐，實踐是大數(shù)據(jù)的最終價值體現(xiàn)。在這里分別從互聯(lián)網(wǎng)的大數(shù)據(jù)，*的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個人的大數(shù)據(jù)四個方面來描繪大數(shù)據(jù)已經(jīng)展現(xiàn)的美好景象及即將實現(xiàn)的藍圖。 ?

? ?

大數(shù)據(jù)需要的框架 ?

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：我們學習完大數(shù)據(jù)的處理了，接下來學習學習小數(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，會配置簡單的權限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫。這里主要的是學習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)導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數(shù)據(jù)表導出成文件再放到HDFS上也是一樣的，當然生產(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的依賴關系。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*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。 ?