五分鐘看懂大數(shù)據(jù)技術(shù)？大數(shù)據(jù)技術(shù)比較復(fù)雜：數(shù)據(jù)的采集、預(yù)處理、和分布式存儲(chǔ)、包括數(shù)據(jù)倉(cāng)庫(kù)、機(jī)器學(xué)習(xí)、并行計(jì)算和可視化等方面。這對(duì)大數(shù)據(jù)技術(shù)，運(yùn)用廣泛的是以hadoop和spark為核心的生態(tài)系統(tǒng)。ha

五分鐘看懂大數(shù)據(jù)技術(shù)？

大數(shù)據(jù)技術(shù)比較復(fù)雜：數(shù)據(jù)的采集、預(yù)處理、和分布式存儲(chǔ)、包括數(shù)據(jù)倉(cāng)庫(kù)、機(jī)器學(xué)習(xí)、并行計(jì)算和可視化等方面。

這對(duì)大數(shù)據(jù)技術(shù)，運(yùn)用廣泛的是以hadoop和spark為核心的生態(tài)系統(tǒng)。hadoop能提供一個(gè)穩(wěn)定啊的共享存儲(chǔ)和分析系統(tǒng)，存儲(chǔ)由hdfs實(shí)現(xiàn)程序，分析由mapreduce利用，

1、hdfs：Hadoop分布式文件系統(tǒng)，運(yùn)行與大型商用化機(jī)集群

hdfs是gfs的閉源實(shí)現(xiàn)，提供給了在便宜的東西服務(wù)器集群中接受小規(guī)模分布式文件存儲(chǔ)的能力。

2、hbase：分布式的列存儲(chǔ)數(shù)據(jù)庫(kù)。hbase將hdfs才是底層存儲(chǔ)，同時(shí)意見mapreduce的批量可以計(jì)算和點(diǎn)查詢（讀寫性能）

hbase是另一個(gè)建立在hdfs之上，正向列的nosql數(shù)據(jù)庫(kù)。它可用于快速讀寫大量數(shù)據(jù)，是一個(gè)高可靠、高并發(fā)讀寫、集高性能、走向列、可伸縮和易形成完整的分布式存儲(chǔ)系統(tǒng)。hbase具有海量數(shù)據(jù)存儲(chǔ)、迅速洗技能ftp連接和內(nèi)的寫操作等特點(diǎn)。

在kudu再次出現(xiàn)之前，hadoop生態(tài)環(huán)境的存儲(chǔ)主要依戀hdfs和hbase。在追求純粹高吞吐、批處理的場(chǎng)景中，可以使用hdfs,在不追求低延時(shí)且隨機(jī)讀取的場(chǎng)景中，可以使用hbase,而kudu正好能兼容性這兩者。

3、批處理?yè)Q算的基石：mapreduce

批處理?yè)Q算要注意能解決極大規(guī)模數(shù)據(jù)的批量處理問題，是護(hù)理數(shù)據(jù)分析中常見的一類數(shù)據(jù)處理需求。業(yè)界常用的大數(shù)據(jù)批處理框架有mapreducesparktezpig等。其中mapdeduce是也很有影響力和代表性的大數(shù)據(jù)批處理計(jì)算框架。它是可以并發(fā)執(zhí)行如此大規(guī)模數(shù)據(jù)處理任務(wù)，即作用于小規(guī)模數(shù)據(jù)集（大于01tb）的并行計(jì)算。mapreduce的核心思想：將一個(gè)大數(shù)據(jù)集拆分成多個(gè)小數(shù)據(jù)集，然后把在多臺(tái)機(jī)器上并行化。

4、hive:分布式數(shù)據(jù)倉(cāng)庫(kù)，管理hdfs中存儲(chǔ)文件的數(shù)據(jù)，并需要提供基于sql的查詢語言用于查詢數(shù)據(jù)

hadoop框架中誰負(fù)責(zé)文件的存儲(chǔ)？

框架中可以儲(chǔ)存模塊共同負(fù)責(zé)文件的存儲(chǔ)，所有文檔資料都會(huì)貯存在里面，然后把轉(zhuǎn)存在內(nèi)存卡中

etl大數(shù)據(jù)工程師靠譜嗎？

是比較比較靠譜的。

Etl大數(shù)據(jù)工程師，是大數(shù)據(jù)數(shù)倉(cāng)方向的一個(gè)職位，主要是做數(shù)據(jù)清洗，收集，轉(zhuǎn)換，目前的話要注意已greenplum的hdfs作為存儲(chǔ)平臺(tái)，hive以及數(shù)據(jù)建模，徹底清洗，結(jié)構(gòu)化數(shù)據(jù)的分析，可以使用工具的或腳本，導(dǎo)入到關(guān)系型數(shù)據(jù)庫(kù)數(shù)據(jù)結(jié)，才是結(jié)果數(shù)據(jù)，供強(qiáng)盜團(tuán)各部門使用。