想要學(xué)好大數(shù)據(jù)需掌握這十二大技術(shù)
大數(shù)據(jù)是對(duì)海量數(shù)據(jù)進(jìn)行存儲(chǔ)、計(jì)算、統(tǒng)計(jì)、分析處理的一系列處理手段,處理的數(shù)據(jù)量通常是TB級(jí),甚至是PB或EB級(jí)的數(shù)據(jù),這是傳統(tǒng)數(shù)據(jù)處理手段所無法完成的,其涉及的技術(shù)有分布式計(jì)算、高并發(fā)處理、高可用處理、集群、實(shí)時(shí)性計(jì)算等,匯集了當(dāng)前IT領(lǐng)域熱門流行的IT技術(shù)。
本文引用地址:http://www.ex-cimer.com/article/201810/392879.htm想要學(xué)好大數(shù)據(jù)需掌握以下技術(shù):
1. Java編程技術(shù)
Java編程技術(shù)是大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ),Java是一種強(qiáng)類型語言,擁有極高的跨平臺(tái)能力,可以編寫桌面應(yīng)用程序、Web應(yīng)用程序、分布式系統(tǒng)和嵌入式系統(tǒng)應(yīng)用程序等,是大數(shù)據(jù)工程師最喜歡的編程工具,因此,想學(xué)好大數(shù)據(jù),掌握J(rèn)ava基礎(chǔ)是必不可少的!
2.Linux命令
對(duì)于大數(shù)據(jù)開發(fā)通常是在Linux環(huán)境下進(jìn)行的,相比Linux操作系統(tǒng),Windows操作系統(tǒng)是封閉的操作系統(tǒng),開源的大數(shù)據(jù)軟件很受限制,因此,想從事大數(shù)據(jù)開發(fā)相關(guān)工作,還需掌握Linux基礎(chǔ)操作命令。真正的大數(shù)據(jù)工程師,linux命令是橫著寫很長(zhǎng),不是一句一句執(zhí)行的,尤其是大數(shù)據(jù)工程師需要檢測(cè)cpu,內(nèi)存,網(wǎng)絡(luò)IO等各種開銷,就需要掌握各種命令,命令主要分為這幾種,一是查看各種進(jìn)程的相關(guān)信息,其中包括cpu或者內(nèi)存等從高到底,或者是前十等等。二是排查故障,結(jié)合linux和java的各種命令快速定位到問題出現(xiàn)的關(guān)鍵地方。三是排除系統(tǒng)長(zhǎng)時(shí)間使用過慢原因等。
3.Hadoop
Hadoop是大數(shù)據(jù)開發(fā)的重要框架,Hadoop分HDFS和Map/reduce,HDFS是Hadoop的主要分布式存儲(chǔ)。一個(gè)HDFS集群主要由一個(gè)NameNode(管理文件系統(tǒng)的元數(shù)據(jù))和存儲(chǔ)實(shí)際數(shù)據(jù)的DataNode組成。HDFS為海量的數(shù)據(jù)提供了存儲(chǔ),實(shí)現(xiàn)了存取優(yōu)化。Hadoop的MapReduce是一個(gè)軟件框架,為海量的數(shù)據(jù)提供了計(jì)算,可方便地編寫應(yīng)用程序處理大量的數(shù)據(jù)(多是TB數(shù)據(jù)集),因此,需要重點(diǎn)掌握,除此之外,還需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高級(jí)管理等相關(guān)技術(shù)與操作!
4.HBase
HBase是Hadoop的數(shù)據(jù)庫,HBase是一個(gè)分布式的、面向列的開源數(shù)據(jù)庫,它提供了隨機(jī),實(shí)時(shí)讀/寫訪問大數(shù)據(jù),并進(jìn)行了優(yōu)化承載非常大的數(shù)據(jù)表 - 數(shù)十億行乘以百萬列 -,實(shí)現(xiàn)服務(wù)器硬件之上集群。不同于一般的關(guān)系數(shù)據(jù)庫,更適合于非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫,是一個(gè)高可靠性、高性能、面向列、可伸縮的分布式存儲(chǔ)系統(tǒng),在其核心Apache HBase是一個(gè)分布式的面向列的數(shù)據(jù)庫,屬于谷歌的Bigtable:Apache HBase在Hadoop和HDFS之上提供了類似于Bigtable的能力。大數(shù)據(jù)開發(fā)需掌握HBase基礎(chǔ)知識(shí)、應(yīng)用、架構(gòu)以及高級(jí)用法等。
5.Hive
Hive是基于Hadoop的一個(gè)數(shù)據(jù)倉庫工具,方便簡(jiǎn)單的數(shù)據(jù)匯總工具,可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表,并提供簡(jiǎn)單的sql查詢功能,可以將sql語句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行運(yùn)行,十分適合數(shù)據(jù)倉庫的統(tǒng)計(jì)分析。同時(shí),這語言也可以讓傳統(tǒng)的map / reduce程序員嵌入他們的自定義maperhe reducer.對(duì)于Hive需掌握其安裝、應(yīng)用及高級(jí)操作等。
6.ZooKeeper
ZooKeeper是Hadoop和Hbase的重要組件,是一個(gè)為分布式應(yīng)用提供一致性服務(wù)的軟件,一種集中式的服務(wù)(負(fù)載平衡器),提供的功能包括:配置維護(hù)、域名服務(wù)、分布式同步、組件服務(wù)等,并提供團(tuán)體服務(wù)。Apache ZooKeeper協(xié)調(diào)運(yùn)行在Hadoop集群上的分布式應(yīng)用程序。在大數(shù)據(jù)開發(fā)中要掌握ZooKeeper的常用命令及功能的實(shí)現(xiàn)方法。
7.phoenix
phoenix是用Java編寫的基于JDBC API操作HBase的開源SQL引擎,其具有動(dòng)態(tài)列、散列加載、查詢服務(wù)器、追蹤、事務(wù)、用戶自定義函數(shù)、二級(jí)索引、命名空間映射、數(shù)據(jù)收集、行時(shí)間戳列、分頁查詢、跳躍查詢、視圖以及多租戶的特性,大數(shù)據(jù)開發(fā)需掌握其原理和使用方法。
8.Avro與Protobuf
Avro與Protobuf均是數(shù)據(jù)序列化系統(tǒng),可以提供豐富的數(shù)據(jù)結(jié)構(gòu)類型,十分適合做數(shù)據(jù)存儲(chǔ),還可進(jìn)行不同語言之間相互通信的數(shù)據(jù)交換格式,學(xué)習(xí)大數(shù)據(jù),需掌握其具體用法。
9.Cassandra
Apache Cassandra是一個(gè)高性能,可擴(kuò)展性和高線性可用的數(shù)據(jù)庫,可以運(yùn)行在服務(wù)器或云基礎(chǔ)設(shè)施上,為關(guān)鍵任務(wù)數(shù)據(jù)提供完美的平臺(tái),。 Cassandra支持多個(gè)數(shù)據(jù)中心之間復(fù)制是同類產(chǎn)品中最好,為用戶提供更低的延遲,甚至不懼怕停電。 Cassandra的數(shù)據(jù)模型提供了便利的列索引,高性能試圖和強(qiáng)大的內(nèi)置緩存。
10.Kafka
Kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng),其在大數(shù)據(jù)開發(fā)應(yīng)用上的目的是通過Hadoop的并行加載機(jī)制來統(tǒng)一線上和離線的消息處理,也是為了通過集群來提供實(shí)時(shí)的消息。大數(shù)據(jù)開發(fā)需掌握Kafka架構(gòu)原理及各組件的作用和使用方法及相關(guān)功能的實(shí)現(xiàn)!
11.Chukwa
是一個(gè)開源大型分布式系統(tǒng)的數(shù)據(jù)采集監(jiān)視系統(tǒng)。它是建立在Hadoop分布式文件系統(tǒng)(HDFS)和Map/ Reduce框架之上,并繼承了Hadoop的可伸縮性和健壯性。 Chukwa還包括一個(gè)靈活而強(qiáng)大的工具包,用于顯示,監(jiān)測(cè)和分析結(jié)果,以便做出最佳地使用所收集的數(shù)據(jù)。
12.Flume
Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng),F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方,用于收集數(shù)據(jù);同時(shí),F(xiàn)lume提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理,并寫到各種數(shù)據(jù)接受方(可定制)的能力。大數(shù)據(jù)開發(fā)需掌握其安裝、配置以及相關(guān)使用方法。
評(píng)論