Loading
0

大数据学习的三个“敲门砖”

慧都智能制造解决方案

“第一砖”从相认到相识

    什么是大数据?可能有人会说写字楼的所有人的资料信息就是个大数据。NO!这里的数据只能说比较大,但却不能称之为大数据。百度百科上给出了很明确的解释“大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。”

    大数据有五个特点(IBM提出):Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。其中Volume就是普遍认为的数据足够大,因此数据大并不能说就是大数据,话句话说数据大只是大数据其中的一个特点。

    大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。

    现在我们“从相认到相识”,清楚的认识什么是大数据,如果区分大数据和数据大,是我们学习大数据走的第一步。


“第二砖”拜师学艺,融汇百家

    拥有了“第一砖”后就是你即将选择师门的时候了,敲开山门的“第二砖”则是学习大数据的基础,就如同在门派中修炼内功,有助你行走江湖,话不多说我们来看看会涉及到哪些基础吧!

1、 javaSE,EE(SSM)

    90%的大数据框架都是java写的。

    如:MongoDB--最受欢迎的,跨平台的,面向文档的数据库。 Hadoop--用Java编写的开源软件框架,用于分布式存储,并对非常大的数据集进行分布式处理。

Spark --Apache Software Foundation中最活跃的项目,是一个开源集群计算框架。

    Hbase--开放源代码,非关系型,分布式数据库,采用Google的BigTable建模,用Java编写,并在HDFS上运行。

2、 MySQL(必须需要掌握的)

    SQLon Hadoop又分:

    batch SQL(Hive):一般用于复杂的 ETL 处理,数据挖掘,高级分析;

    interactive SQL:交互式 SQL 查询,通常在同一个表上反复的执行不同的查询;

    operation SQL:通常是单点查询,延时要求小于 1 秒,该类系统主要是HBase。

3、Linux

    Linux(一种操作系统,程序员必须掌握的,我的博客里有我对Linux的介绍)大数据的框架安装在Linux操作系统上


“第三砖”进阶提高,力挽狂澜

    学习了大数据基础后,我们要做到就是在实际的数据分析上,如何去解决问题,所以如何分析数据就是我们的重点了,在数据中分析出有利于我们的数据则是我们的目标,小编我总结了以下几种方法,供大家参考,但方法是死的,人是活的,如何融会贯通就靠我们自己不断是尝试学习哦!

1、大数据离线分析

    一般处理T+1数据(T是指日、周、月、年),处理历史数据

模块1:Hadoop

    包括四大块(common、yarn、MapReduce、HDFS)

    主要掌握环境搭建、处理数据的思想

模块2:Hive

    大数据数据仓库

    通过写SQL对数据进行操作,类似于mysql数据库中的sql

模块3:HBase

    基于HDFS的NOSQL数据库 面向列的存储

2、大数据机器学习

    spark MLlib:机器学习库

    pyspark编程:Python和spark的结合

    推荐系统

    python数据分析

    Python机器学习

3、网站学习(推荐)

    网站的内容丰富,推荐小编喜欢大数据的网站,让你得到海量的学习资料。

    慧都大数据http://bigdata.evget.com/

 

    总结:学习大数据的三个“敲门砖”,希望能对大数据有兴趣的朋友一种启发式作用,方法的学习还需要在有兴趣的基础上刻苦专研、融会贯通。