sparkstreaming和flink區(qū)別？sparkstreaming:是一套框架，是Spark核心API的一個(gè)擴(kuò)展，可以實(shí)現(xiàn)程序高吞吐量的、具備什么容錯(cuò)機(jī)制的實(shí)時(shí)自動(dòng)流數(shù)據(jù)的處理。Spark S

sparkstreaming和flink區(qū)別？

sparkstreaming:是一套框架，是Spark核心API的一個(gè)擴(kuò)展，可以實(shí)現(xiàn)程序高吞吐量的、具備什么容錯(cuò)機(jī)制的實(shí)時(shí)自動(dòng)流數(shù)據(jù)的處理。Spark Streaming收得到Kafka、Flume、HDFS等各種來源的實(shí)時(shí)動(dòng)態(tài)輸入數(shù)據(jù)，并且處理后，全面處理結(jié)構(gòu)能保存在HDFS、DataBase等各種地方。

flink:是由Apache軟件基金會(huì)開發(fā)的開源軟件流處理框架，其核心是用Java和Scala編譯程序的分布式流數(shù)據(jù)流引擎。

spark streaming什么時(shí)候調(diào)用tolist？

我總覺得是當(dāng)你必須專用List所特有的方法和屬性的時(shí)候還要ToList諸如Add，AddRange，Remove，F(xiàn)orEach等等另如果沒有IEnumerable是依附于EntityFramework的話，在沒有ToList或則foreach等的情況下，程序絕對(duì)不會(huì)去可以查詢數(shù)據(jù)庫(kù)，完全是到最后在一起網(wǎng)上查詢，總是會(huì)倒致SQL語(yǔ)句過于復(fù)雜而令想執(zhí)行的很慢，而且一些不能不能轉(zhuǎn)為SQL語(yǔ)句的操作會(huì)出十分

大數(shù)據(jù)主要學(xué)習(xí)哪些內(nèi)容？

這是一個(gè)非常好的問題，作為一名IT從業(yè)者，同樣的都是一名教育工作者，我來回答再看看。

大數(shù)據(jù)當(dāng)經(jīng)過多年的發(fā)展，早就逐漸無法形成了一個(gè)比較好龐然且系統(tǒng)的知識(shí)體系，整體的技術(shù)成熟度也早就比較比較高了，所以我當(dāng)前學(xué)習(xí)大數(shù)據(jù)技術(shù)也會(huì)有一個(gè)比較好好的學(xué)習(xí)體驗(yàn)。

因此大數(shù)據(jù)牽涉到的內(nèi)容也很多，但大數(shù)據(jù)技術(shù)與行業(yè)領(lǐng)域也有比較松散的聯(lián)系，所以才在自學(xué)大數(shù)據(jù)的時(shí)候，既也可以從技術(shù)角度出發(fā)，也這個(gè)可以立足行業(yè)來學(xué)大數(shù)據(jù)。是對(duì)學(xué)生來說，可以不從大數(shù)據(jù)技術(shù)體系來學(xué)，而是對(duì)職場(chǎng)人來說，可以不結(jié)合自身的行業(yè)和崗位任務(wù)來自學(xué)大數(shù)據(jù)。

不論是學(xué)生還是職場(chǎng)人，要想學(xué)大數(shù)據(jù)都要掌握到200以內(nèi)幾個(gè)基本是內(nèi)容：

第一：計(jì)算機(jī)基礎(chǔ)知識(shí)。計(jì)算機(jī)基礎(chǔ)知識(shí)對(duì)于自學(xué)大數(shù)據(jù)技術(shù)是非常重要的，其中操作系統(tǒng)、編程語(yǔ)言和數(shù)據(jù)庫(kù)這三方面知識(shí)是一定得怎么學(xué)習(xí)的。編程語(yǔ)言也可以從Python就開始學(xué)起，不過如果不是未來要畜牧獸醫(yī)相關(guān)專業(yè)專業(yè)的大數(shù)據(jù)開發(fā)，也也可以從Java又開始學(xué)起。計(jì)算機(jī)基礎(chǔ)知識(shí)的學(xué)習(xí)更具肯定會(huì)的難度，學(xué)習(xí)過程中要如此重視實(shí)驗(yàn)的作用。

第二：數(shù)學(xué)和統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)。大數(shù)據(jù)技術(shù)體系的核心目的是“數(shù)據(jù)價(jià)值化”，數(shù)據(jù)價(jià)值化的過程一定最感謝數(shù)據(jù)分析，所以我以及數(shù)據(jù)分析基礎(chǔ)的數(shù)學(xué)和統(tǒng)計(jì)學(xué)知識(shí)就也很重要了。數(shù)學(xué)和統(tǒng)計(jì)學(xué)基礎(chǔ)這對(duì)大數(shù)據(jù)從業(yè)者未來的成長(zhǎng)空間有比較好重要的影響，所以我一定要認(rèn)可這兩個(gè)方面知識(shí)的學(xué)習(xí)。

第三：大數(shù)據(jù)平臺(tái)基礎(chǔ)。大數(shù)據(jù)開發(fā)和大數(shù)據(jù)分析都離不開大數(shù)據(jù)平臺(tái)的支撐，大數(shù)據(jù)平臺(tái)比較復(fù)雜到分布式存儲(chǔ)和分布式計(jì)算等基礎(chǔ)性工作功能，手中掌握大數(shù)據(jù)平臺(tái)也會(huì)對(duì)此大數(shù)據(jù)技術(shù)體系不能形成較深的認(rèn)知程度。對(duì)于初學(xué)者來說，也可以從Hadoop和Spark就開始學(xué)起。

我從事互聯(lián)網(wǎng)行業(yè)多年，目前也在帶計(jì)算機(jī)專業(yè)的研究生，主要注意的研究方向幾乎全部在大數(shù)據(jù)和人工智能領(lǐng)域，我會(huì)陸陸續(xù)續(xù)寫一些跪求互聯(lián)網(wǎng)技術(shù)方面的文章，比較感興趣朋友是可以關(guān)注我，也許肯定會(huì)會(huì)有所。

要是有互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等方面的問題，或則是考研方面的問題，都也可以在評(píng)論區(qū)留個(gè)言，或則私戳我！