什么是大數(shù)據(jù)？如何成為大數(shù)據(jù)的技術(shù)大牛

其實(shí)大數(shù)據(jù)并不是一種概念，而是一種方法論。簡(jiǎn)單來(lái)說(shuō)，就是通過(guò)分析和挖掘全量的非抽樣的數(shù)據(jù)輔助決策。大數(shù)據(jù)可以實(shí)現(xiàn)的應(yīng)用可以概括為兩個(gè)方向，一個(gè)是精準(zhǔn)化定制，第二個(gè)是預(yù)測(cè)。比如像通過(guò)搜索引擎搜索同樣的內(nèi)容，每個(gè)人的結(jié)果卻是大不相同的。再比如精準(zhǔn)營(yíng)銷(xiāo)、百度的推廣、淘寶的喜歡推薦，或者你到了一個(gè)地方，自動(dòng)給你推薦周邊的消費(fèi)設(shè)施等等。

目前市場(chǎng)對(duì)大數(shù)據(jù)相關(guān)人才的需求與日俱增，崗位的增多，也導(dǎo)致了大數(shù)據(jù)相關(guān)人才出現(xiàn)了供不應(yīng)求的狀況，從而引發(fā)了一波大數(shù)據(jù)學(xué)習(xí)的浪潮。大家可以先了解一下關(guān)于大數(shù)據(jù)相關(guān)的崗位分類(lèi)，以及各個(gè)崗位需要掌握那些相對(duì)應(yīng)的技能，并想清楚自己未來(lái)的發(fā)展方向，再開(kāi)始著手針對(duì)崗位所需的技術(shù)進(jìn)行學(xué)習(xí)與研究。所謂知己知彼，才能更好的達(dá)成目標(biāo)嘛。

大數(shù)據(jù)處理技術(shù)怎么學(xué)習(xí)呢?在做大數(shù)據(jù)開(kāi)發(fā)之前，因?yàn)?a href='/map/hadoop/' style='color:#000;font-size:inherit;'>Hadoop是高層次的語(yǔ)言開(kāi)發(fā)，需要懂得Java或者Python，很快的就能上手。所有的大數(shù)據(jù)生態(tài)架構(gòu)都是基于linux系統(tǒng)的基礎(chǔ)上的，所以你要有Linux系統(tǒng)的基本知識(shí)。如果你不懂Java或者Python還有Linux系統(tǒng)，那么這都是你必學(xué)的知識(shí)(Java或者Python可二選其一)。

第一階段

Linux系統(tǒng)：因?yàn)榇髷?shù)據(jù)相關(guān)軟件都是在Linux系統(tǒng)上運(yùn)行的，所以Linux要學(xué)習(xí)的扎實(shí)一些，學(xué)好Linux對(duì)你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會(huì)有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運(yùn)行環(huán)境和網(wǎng)絡(luò)環(huán)境配置，能少踩很多坑，學(xué)會(huì)shell就能看懂腳本這樣能更容易理解和配置大數(shù)據(jù)集群。還能讓你對(duì)以后新出的大數(shù)據(jù)技術(shù)學(xué)習(xí)起來(lái)更快。

鳥(niǎo)哥的Linux私房菜 是一本公認(rèn)的Linux的入門(mén)書(shū)籍。

第二階段

Python：Python 的排名從去年開(kāi)始就借著人工智能持續(xù)上升，現(xiàn)在它已經(jīng)成為了語(yǔ)言排行第一名。

從學(xué)習(xí)難易度來(lái)看，作為一個(gè)為“優(yōu)雅”而生的語(yǔ)言，Python語(yǔ)法簡(jiǎn)捷而清晰，對(duì)底層做了很好的封裝，是一種很容易上手的高級(jí)語(yǔ)言。在一些習(xí)慣于底層程序開(kāi)發(fā)的“硬核”程序員眼里，Python簡(jiǎn)直就是一種“偽代碼”。

在大數(shù)據(jù)和數(shù)據(jù)科學(xué)領(lǐng)域，Python幾乎是萬(wàn)能的，任何集群架構(gòu)軟件都支持Python，Python也有很豐富的數(shù)據(jù)科學(xué)庫(kù)，所以Python不得不學(xué)。

第三階段

Hadoop：幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個(gè)是必學(xué)的。 Hadoop里面包括幾個(gè)重要組件HDFS、MapReduce和YARN。

Hadoop的核心就是HDFS和MapReduce，而兩者只是理論基礎(chǔ)，不是具體可使用的高級(jí)應(yīng)用，通俗說(shuō)MapReduce是一套從海量源數(shù)據(jù)提取分析元素最后返回結(jié)果集的編程模型，將文件分布式存儲(chǔ)到硬盤(pán)是第一步，而從海量數(shù)據(jù)中提取分析我們需要的內(nèi)容就是MapReduce做的事了。當(dāng)然怎么分塊分析，怎么做Reduce操作非常復(fù)雜，Hadoop已經(jīng)提供了數(shù)據(jù)分析的實(shí)現(xiàn)，我們只需要編寫(xiě)簡(jiǎn)單的需求命令即可達(dá)成我們想要的數(shù)據(jù)。

記住學(xué)到這里可以作為你學(xué)大數(shù)據(jù)的一個(gè)節(jié)點(diǎn)。

Zookeeper：是一個(gè)分布式的，開(kāi)放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù)，也是個(gè)萬(wàn)金油，安裝Hadoop的HA的時(shí)候就會(huì)用到它，以后的Hbase也會(huì)用到它。它一般用來(lái)存放一些相互協(xié)作的信息，這些信息比較小一般不會(huì)超過(guò)1M，都是使用它的軟件對(duì)它有依賴(lài)，對(duì)于我們來(lái)講只需要把它安裝正確，讓它正常的跑起來(lái)就可以了。

Mysql：大數(shù)據(jù)的處理學(xué)完了，那么接下來(lái)要學(xué)習(xí)小數(shù)據(jù)的處理工具M(jìn)ysql數(shù)據(jù)庫(kù)，因?yàn)檠bhive的時(shí)候要用到，Mysql需要掌握到什么層度呢?你能在Linux上把它安裝好，運(yùn)行起來(lái)，會(huì)配置簡(jiǎn)單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫(kù)就可以了。這里主要的是學(xué)習(xí)SQL的語(yǔ)法，因?yàn)閔ive的語(yǔ)法和這個(gè)非常相似。

Sqoop：這個(gè)是用于把Mysql里的數(shù)據(jù)導(dǎo)入到Hadoop里的。當(dāng)然你也可以直接把Mysql數(shù)據(jù)表導(dǎo)出成文件再放到HDFS上也是可以的，但是生產(chǎn)環(huán)境中使用要注意Mysql的壓力。

Hive：這個(gè)東西對(duì)于會(huì)SQL語(yǔ)法的同學(xué)們來(lái)說(shuō)就是神器，它能讓你處理大數(shù)據(jù)變的很簡(jiǎn)單、明了，不會(huì)再費(fèi)勁的編寫(xiě)MapReduce程序。有的人說(shuō)Pig那?它和Pig相似掌握一個(gè)就可以了。

Oozie：既然學(xué)會(huì)Hive了，我相信你一定需要這個(gè)，它可以幫你管理你的Hive或者M(jìn)apReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，如果出錯(cuò)給你發(fā)出報(bào)警并能幫你重試程序，最重要的是還能幫你配置任務(wù)的依賴(lài)關(guān)系。我相信你一定會(huì)喜歡它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種“即將崩潰”的感覺(jué)。

Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫(kù)，他的數(shù)據(jù)是按照key和value的形式存儲(chǔ)的并且key是唯一的，所以它能用來(lái)做數(shù)據(jù)的排重，它與MYSQL相比能存儲(chǔ)的數(shù)據(jù)量大很多。所以他常被用于大數(shù)據(jù)處理完成之后的存儲(chǔ)目的地。

Kafka：這是個(gè)比較好用的隊(duì)列工具，隊(duì)列是干什么的?排隊(duì)買(mǎi)票你知道不?數(shù)據(jù)多了同樣也需要排隊(duì)處理，我們可以利用這個(gè)工具來(lái)做線(xiàn)上實(shí)時(shí)數(shù)據(jù)的入庫(kù)或入HDFS，這時(shí)你可以與一個(gè)叫Flume的工具配合使用，它是專(zhuān)門(mén)用來(lái)提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，并寫(xiě)到各種數(shù)據(jù)接受方的。

Spark：它是用來(lái)彌補(bǔ)基于MapReduce處理數(shù)據(jù)速度上的缺點(diǎn)，它的特點(diǎn)是把數(shù)據(jù)裝載到內(nèi)存中計(jì)算而不是去讀硬盤(pán)。特別適合做迭代運(yùn)算，所以算法流們特別喜歡它。它是用scala編寫(xiě)的。Java語(yǔ)言或者Scala都可以操作它，因?yàn)樗鼈兌际怯肑VM的。

這些東西你都會(huì)了就成為一個(gè)專(zhuān)業(yè)的大數(shù)據(jù)開(kāi)發(fā)工程師了，月薪3W都是毛毛雨啦。

后續(xù)提高

大數(shù)據(jù)結(jié)合人工智能達(dá)到真正的數(shù)據(jù)科學(xué)家，打通了數(shù)據(jù)科學(xué)的任督二脈，在公司是技術(shù)專(zhuān)家級(jí)別，這時(shí)候月薪再次翻倍且成為公司核心骨干。

機(jī)器學(xué)習(xí)：是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹。機(jī)器學(xué)習(xí)的算法基本比較固定了，學(xué)習(xí)起來(lái)相對(duì)容易。

深度學(xué)習(xí)：深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，最近幾年發(fā)展迅猛。深度學(xué)習(xí)應(yīng)用的實(shí)例有AlphaGo、人臉識(shí)別、圖像檢測(cè)等。是國(guó)內(nèi)外稀缺人才，但是深度學(xué)習(xí)相對(duì)比較難，算法更新也比較快，需要跟隨有經(jīng)驗(yàn)的老師學(xué)習(xí)。

最快的學(xué)習(xí)方法，就是師從行業(yè)專(zhuān)家，學(xué)習(xí)老師多年積累的經(jīng)驗(yàn)，自己少走彎路達(dá)到事半功倍的效果。自古以來(lái)，名師出高徒。