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。
1、深入学习数据处理,熟悉CDH开发环境(hive/impala/trino等);
2、学习主流的关系型数据库(DB2/Oracle/Mysql等);
3、熟悉大数据平台的调度组件(airflow/dolphin等);
4、深入学习java技术知识熟悉Springboot、Mybatis等知识;
5、掌握mysq,了解hive、hadoop、clickhouse等;
6、熟悉Nginx、Redis、Dubbo、Elasticsearch、ZooKeeper、MQ、Linux、Shell等。
1.Volume(大量)
截至目前,人类生产的所有印刷材料的数据量是200PB,而历史上全人类总共说过的话的数据量大约是5EB。当前,典型个人计算机硬盘的容量为TB量级,而一些大企业的数据量已经接近EB量级。
2.Velocity(高速)
这是大数据区分于传统数据挖掘的的最显著特征。根据IDC的“数字宇宙”的报告。在如此海量的数据面前,处理数据的就是企业生命。
3.Variety(多样)
这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库/文本为主的结构化数据,非结构化数据越来越多,包括网络日志、音频、视频、图片、地理位置信息等,这些多类型的数据对数据的处理能力提出了更高要求。
4.Value(低价值密度)
价值密度的高低与数据总量的大小成反比。也就是数据量越大,价值密度就越低,如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题。