大數(shù)據(jù)處理技術(shù)如何學(xué)習(xí)?

責(zé)任編輯:zsheng

2018-07-12 17:04:25

摘自:大數(shù)據(jù)觀察

首先我們要學(xué)習(xí)Python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。

Python:Python 的排名從去年開始就借助人工智能持續(xù)上升,現(xiàn)在它已經(jīng)成為了語言排行第一名。

從學(xué)習(xí)難易度來看,作為一個為“優(yōu)雅”而生的語言,Python語法簡捷而清晰,對底層做了很好的封裝,是一種很容易上手的高級語言。在一些習(xí)慣于底層程序開發(fā)的“硬核”程序員眼里,Python簡直就是一種“偽代碼”。

在大數(shù)據(jù)和數(shù)據(jù)科學(xué)領(lǐng)域,Python幾乎是萬能的,任何集群架構(gòu)軟件都支持Python,Python也有很豐富的數(shù)據(jù)科學(xué)庫,所以Python不得不學(xué)。

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。

好說完基礎(chǔ)了,再說說還需要學(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(jìn)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。

YARN是體現(xiàn)Hadoop平臺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上運行了,這樣就能更好的利用HDFS大存儲的優(yōu)勢和節(jié)省更多的資源比如我們就不用再單獨建一個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,只不過你現(xiàn)在還可能對”大數(shù)據(jù)”到底有多大還沒有個太清楚的概念,聽我的別糾結(jié)這個。

等以后你工作了就會有很多場景遇到幾十T/幾百T大規(guī)模的數(shù)據(jù),到時候你就不會覺得數(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),因為這是你的價值所在,讓那些個搞Javaee的php的html5的和DBA的羨慕去吧。

第一階段學(xué)習(xí)結(jié)束,掌握上述知識,就可以從事大數(shù)據(jù)方面的工作了。

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M(jìn)apReduce、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。

第二階段學(xué)習(xí)結(jié)束,如果能全部掌握,你就是專業(yè)的大數(shù)據(jù)開發(fā)工程師了。

后續(xù)提高:大數(shù)據(jù)結(jié)合人工智能達(dá)到真正的數(shù)據(jù)科學(xué)家,打通了數(shù)據(jù)科學(xué)的任督二脈,在公司是技術(shù)專家級別,這時候月薪再次翻倍且成為公司核心骨干。

機(jī)器學(xué)習(xí)(Machine Learning, ML):是一門多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。它是人工智能的核心,是使計算機(jī)具有智能的根本途徑,其應(yīng)用遍及人工智能的各個領(lǐng)域,它主要使用歸納、綜合而不是演繹。機(jī)器學(xué)習(xí)的算法基本比較固定了,學(xué)習(xí)起來相對容易。

深度學(xué)習(xí)(Deep Learning, DL):深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,最近幾年發(fā)展迅猛。深度學(xué)習(xí)應(yīng)用的實例有AlphaGo、人臉識別、圖像檢測等。是國內(nèi)外稀缺人才,但是深度學(xué)習(xí)相對比較難,算法更新也比較快,需要跟隨有經(jīng)驗的老師學(xué)習(xí)。

第三階段是理想狀態(tài),算是終極目標(biāo)吧。畢竟技術(shù)一直在進(jìn)步,誰也無法預(yù)測大數(shù)據(jù)以后的發(fā)展。

鏈接已復(fù)制,快去分享吧

企業(yè)網(wǎng)版權(quán)所有?2010-2024 京ICP備09108050號-6京公網(wǎng)安備 11010502049343號