踏入大数据的第一天，我先入入门

【转行原因】目前数据每天已亿盘算，作为 Java步伐员的我已经无法使用常规工具对数据进行捕捉、管理和处置惩罚这些数据集合。MySQL的存储容量也只有500-1000行数据。而且数据每天还在告诉增长，还不带重样的。还有就是跟着党走，我要搞新基建。以是我来了，我来了,我踏着七彩祥云走来了…
   按次序给出存储单位：bit、Byte、KB、MB、GB、TB、PB、ZB、YB、BB、NB、DB。
  大数据重要是干嘛的：海量数据的存储和海量数据的分析盘算题目。en…我是刚入门，不要骂我菜…
一、大数据特点

【1】多样化（variety）： 这里包含两个方面，一个是数据来源多样化，就是我们收罗的数据通过不同的渠道，不同平台产生的多样化；还有就是数据的结构数据多样，有结构化的和非结构化（视频、图片…）的等等。
【2】大量化（volume）： 这个我们比较好了解，究竟名字就带着这个意思。互联网的发展规模，我们每天通过它产生的数据也是与日俱增，如今我们大概一年里产生的数据量，都能和之前的史上数据相对抗了，大量化实至名归啊。
【3】高速（velocity）： 这内里涉及到大数据的整个流程，好比数据的增长速率，还有我们对数据的处置惩罚速率，很多范例的数据我们已经能够做到时时反馈了，刚刚网络到马上就能反过来影响我们的生活。
【4】价值密度低（value）： 也就是大数据虽然数量巨大，但是也不是越多越好的，此中有很多都是没意义的，有效的数据就被淹没在这海量的没用数据之中了，而这一点也是大数据技能的工作难点之一，要将那些海量无用的、复杂的数据做深度的分析，从此中挖掘那些对我们来说是有价值的数据。
二、大数据能干啥

【1】物流仓库： 大数据分析系统助力商家精致化运营、提升销量、节省成本。
【2】零售： 分析用户斲丧习惯，为用户购买商品提供方便，从而提升商品销量。比方（纸尿裤+啤酒）
【3】旅游： 深度联合大数据本事与旅游行业需求，共建旅游产业智慧管理、智慧服务和智慧营销的未来。
【4】商品广告推荐： 给用户推荐需要的产物。
三、业务流程分析

四、大数据部门构造结构

【1】平台组： 将框架搭建对数据进行收罗，保证每一个框架正常运行。类似运维但比运维高级，同时对框架进行调优和监控。
【2】数据仓库组： 根据业务对数据进行分析梳理和筛选垃圾数据。
【3】数据挖掘组： 对数据进行深度挖掘，理想的大数据选型。
【4】报表开辟组： 也就是我如今的职位，给大数据打杂的。
五、Hadoop是什么

Hadoop是一个由 Apache基金会所开辟的分布式系统底子架构。用户可以在不了解分布式底层细节的情况下，开辟分布式步伐。充分使用集群的威力进行高速运算和存储。广义上说 Hadoop指一个更广泛的概念（Hadoop生态圈）

六、Hadoop的优势

高可靠性： Hadoop底层维护多个数据副本，以是及时Hadoop某个盘算元素或存储出现故障，也不会导致数据丢失。
高扩展性： 在集群间分配使命数据，可方便的扩展数以千计的节点。
高效性： 在 MapReduce 的思想下，Hadoop是并行工作的，以加速使命处置惩罚速率。
高容错性： 能够自动将失败的使命重新分配。
七、大数据技能生态体系

图中涉及的技能名词解释如下：
【1】Sqoop： Sqoop是一款开源的工具，重要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的通报，可以将一个关系型数据库（比方 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。
【2】Flume： Flume是 Cloudera提供的一个高可用的，高可靠的，分布式的海量日志收罗、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于网络数据；同时，Flume提供对数据进行简单处置惩罚，并写到各种数据吸收方（可定制）的本事。
【3】Kafka： Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：
■ 通过 O(1) 的磁盘数据结构提供消息的长期化，这种结构对于纵然数以TB的消息存储也能够保持长时间的稳定性能。
■ 高吞吐量：纵然是非常普通的硬件Kafka也可以支持每秒数百万的消息。
■ 支持通过 Kafka服务器和斲丧机集群来分区消息。
■ 支持 Hadoop并行数据加载。
【4】Storm（镌汰中）： 推荐使用Flink，目前比较火。Storm用于“连续盘算”，对数据流做连续查询，在盘算时就将结果以流的情势输出给用户。
【5】Spark： Spark是当前最流行的开源大数据内存盘算框架。可以基于 Hadoop上存储的大数据进行盘算。
【6】Oozie： Oozie是一个管理 Hdoop作业（job）的工作流程调度管理系统。
【7】Hbase： HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个得当于非结构化数据存储的数据库。
【8】Hive： Hive是基于 Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为 MapReduce使命进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开辟专门的 MapReduce应用，非常得当数据仓库的统计分析。
【9】R语言： R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计盘算和统计制图的优秀工具。
【10】Mahout： Apache Mahout是个可扩展的呆板学习和数据挖掘库。
【11】ZooKeeper： Zookeeper是 Google的 Chubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目的就是封装好复杂易堕落的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。
   不说了，该学习Hadoop了

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。