rapidminer中怎么設置保留小數位數？打開文件，再點擊左上角工具欄，你選擇數字，再點擊到里面就這個可以你選保留數字位數數據分析需要用什么技術？java還python好一點？我猜樓主問這個問題，主

rapidminer中怎么設置保留小數位數？

打開文件，再點擊左上角工具欄，你選擇數字，再點擊到里面就這個可以你選保留數字位數

數據分析需要用什么技術？java還python好一點？

我猜樓主問這個問題，主要那就對數據分析技術不太了解

先說結論：

要是你是想堆建求全部的數據分析解決方案，從存儲，數據處理和清洗，講，可視化，那就用java，要知道java這塊解決方案和框架相對多，諸如hadoop,spark,flink等

如果不是你只不過是純數據分析，數據集都很單個體，比如想急速在excel或數據庫中，檢索，網上查詢，提煉自己想要的數據，就用python

我們來去看看目前企業(yè)對數據分析的需求吧：

20%的數據可以發(fā)揮著80%的業(yè)務價值；

80%的數據請求只對于20%的數據。

從目前來看，反正是數據存儲處理、分析肯定挖掘，最發(fā)下和晚熟的生態(tài)圈那就基于條件關系型數據庫，例如報表、聯(lián)機分析等工具；另那就是數據分析人員更側重于網站查詢分析語言如SQL、R、Python數據分析包而又不是編程語言。

企業(yè)大數據建設的二八原則是，將20%最有價值的數據——以結構化的形式讀取在關系型數據庫中供業(yè)務人員進行查詢和分析；而將80%的數據——以非結構化、各種形式讀取在相對于廉價的Hadoop等平臺上，供有當然數據挖掘技術的數據分析師或數據工程師參與下一步怎么辦數據處理。經加工的數據這個可以以數據集市或數據模型的形式存儲在NoSQL數據庫中，這都是后面要講過的“離線”與“在線”數據。

數據庫到數據倉庫，是事務型數據到分析型數據的轉變，總結型數據不需要包括的是：總結的主題、數據的維度和層次，以及數據的歷史變化等等。而對大數據平臺來說，對分析的需求會最細，除了：

網站查詢：快速響應配對組合條件查詢、模糊查詢、標簽

搜索：以及對非結構化文檔的搜索、返回結果的排序

統(tǒng)計數據：實時動態(tài)思想活動變化，如電商平臺的在線銷售訂單與發(fā)貨換算出的庫存顯示

挖掘：接受挖掘算法、機器學習的訓練集

根據完全不同的數據處理需求，可能需要設計差別的數據存儲，還要決定如何飛快地將數據剪切粘貼到隨機的存儲點并進行比較好的結構轉換，以供分析人員快速響應業(yè)務的需求。

JAVA技術棧：

Hadoop三個分布式系統(tǒng)基礎架構。

幫忙解決了大數據（大到一臺計算機沒能并且存儲，一臺計算機不能在具體的要求的時間內參與處理）的可靠存儲(HDFS)和處理(MapReduce)。

Hive是建立在Hadoop之上的，不使用Hadoop才是底層存儲的批處理系統(tǒng)。（也可以表述為MapReduce的一層殼）

Hive是替下降MapReducejobs的c語言設計工作。

HBaseHBase是一種Key/Value系統(tǒng)，它啟動在HDFS之上。

Hbase是目的是解決Hadoop的實時性需求。

Spark和StormSpark和Storm全是不分地區(qū)的并行計算框架。

解決的辦法Hadoop只適用于離線數據處理，而不能不能需要提供實時數據處理能力的問題。

區(qū)別：

1.Spark基于條件這樣的理念，當數據龐大時，把計算過程傳信給數據要比把數據傳信給換算過程要更富效率。而Storm是把數據傳信給計算過程。

2.實現設計理念的不同，其應用領域也相同。Spark工作于2個裝甲旅的數據全集（如Hadoop數據）也被導入Spark集群，Spark設計和實現intomemory管理可以不通過快訊掃描，并最大化窗口迭代算法的全局I/O不能操作。Storm在閃圖一次性處理內的生成的“小數據塊”上要更好（諸如在Twitter數據流上實時計算一些匯聚功能或分析）。

Python技術棧

幾張圖一切都搞定

python技術棧