什么是大数据?大数据用来干嘛?
1、何为大数据?
大数据是指很多很多的数据,主要源于web2.0之后,数据库中的数据量累计起来很庞大,在对数据进行操作(主要指查询)会变得很慢,对机器的性能要求会很高,如果数据量达到足够大(如十几亿),那服务器会崩溃的
2、大数据解决什么问题?
大数据解决对海量数据的存储、查询、分析计算等操作,主要应用在利用庞大的数据归类分析用户的偏好,利用用户的历史信息得出相应的统计账单等,将同行业的大公司的数据进行计算分析,可以挖掘出一些隐含价值。
3、学习大数据的基础
1)java SE,EE(SSM)
因为90%的大数据框架都是java写的
2)SQL
特别是sql语句中的查询语句,因为对数据库的操作最多的是查询
使用Hadoop作为大数据的分布式存储、计算和分析 sql的操作会重要
3)Linux
大数据的框架安装在Linux操作系统上
4、需要学什么
*第一方面: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
协作框架:
sqoop(桥梁:HDFS 《==》RDBMS)
flume:收集日志文件中信息
调度框架anzkaban,
了解:crotab(Linux自带)、zeus(Alibaba)、Oozie(cloudera)
扩展前沿框架:kylin、impala、ElasticSearch(ES)
第二方面:大数据离线分析
以spark框架为主
Scala:OOP + FP
sparkCore:类比MapReduce
sparkSQL:类比hive
sparkStreaming:实时数据处理
kafka:消息队列
前沿框架扩展:flink
阿里巴巴 blink
第三方面:大数据机器学习(扩展)
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
大数据框架安装功能来划分
1、海量数据存储:
HDFS、Hive(本质存储数据还是hdfs)、HBASE、ES
2、海量数据分析:
MapReduce、Spark、SQL
最原始的Hadoop框架
数据存储:HDFS(Hadoop Distributed File System)
数据分析:MapReduce
Hadoop的起源
Google的三篇论文
虽然Google没有公布这三个产品的源码,
但是他发布了这三个产品的详细设计论文,
奠定了风靡全球的大数据算法的基础!
Hadoop介绍
大数据绝大多数框架,都属于Apache顶级项目
http://apache.org/
hadoop官网:
http://hadoop.apache.org/
分布式
相对于【集中式】
需要多台机器,进行协助完成。
元数据:记录数据的数据架构:主节点Master 老大,管理者管理从节点Slave 从属,奴隶,被管理者干活
- 1
- 2
- 3
- 4
- 5
- 6
Hadoop也是分布式架构
HDFS:
主节点:NameNode
决定着数据存储到那个DataNode上
从节点:DataNode
存储数据
**MapReduce:**分而治之思想将海量的数据划分为多个部分,每部分数据进行单独的处理,最后将所有结果进行合并map task单独处理每一部分的数据、reduce task合并map task的输出**YARN:**分布式集群资源管理框架,管理者集群的资源(Memory,cpu core)合理调度分配给各个程序(MapReduce)使用主节点:resourceManager掌管集群中的资源从节点:nodeManager管理每台集群资源**总结:Hadoop的安装部署**都属于java进程,就是启动了JVM进程,运行服务。HDFS:存储数据,提供分析的数据NameNode/DataNodeYARN:提供程序运行的资源ResourceManager/NodeManager
什么是大数据?大数据用来干嘛?相关推荐
- 用 Python 制作数据大屏,超简单
作者 | 俊欣 来源 | 关于数据分析与可视化 今天我们用Streamlit模块来制作一个数据面板,将数据更加直观地呈现给别人观看,整个页面大致如下图所示: 制作工具栏 在页面的左侧是一个工具栏,工具 ...
- 3000 字推荐一个可视化神器,50 行 Python 代码制作数据大屏
作者 | 俊欣 来源 | 关于数据分析与可视化 今天小编给大家分享一个制作数据大屏的工具,非常的好用,100行左右的Python代码就可以制作出来一个完整的数据大屏,并且代码的逻辑非常容易理解. Py ...
- 工资8000以下的程序员注意了:《零coding数据大屏实战宝典.pdf》
马云曾说:"整个世界将变成数据,这还只是数据时代的开始.新浪潮即将来临,很多就业机会将被夺走.有些人会赶上潮流,变得富有和成功.但是对那些落后的人,未来将是痛苦的. 大数据从2013年一路发 ...
- 除了数据还是数据?2018年5大 AI (人工智能)预测
人工智能 (AI) 在 2017 年已成为多数人日常生活的一部份,不论是在工作场所或是居家生活,而随着新的一年将至,<福布斯>杂志也对 AI 进入 2018 年的成长与发展进行预测: 数据 ...
- 海量大数据大屏分析展示一步到位:DataWorks数据服务对接DataV最佳实践
概述 数据服务(https://ds-cn-shanghai.data.a... 是DataWorks产品家族的一员,提供了快速将数据表生成API的能力,通过可视化的向导,一分钟"零代码&q ...
- 如何构建可视化的营销数据大屏?
数据可视化大屏是数据展现最直观最全面的方式之一,对于企业重要数据指标的展示和实时数据的监测,是目前极佳的方案. 对于大屏数据展示,某知名汽车制造厂商的信息化团队有着深刻的建设经验. 该公司目前拥有两个 ...
- 大数据环境下数据科学的知识体系
数据科学概论 随着互联网的飞速发展,大数据(Big Data)的概念和技术成为当下流行的领域. 数据科学(Data Science)这一体系也随着大数据的崛起成为讨论热点.在各大招聘网站上," ...
- 大数据数据收集数据困难_大数据架构、大数据开发与数据分析的区别
是新朋友吗?记得先点蓝字关注我哦- 今日课程菜单 Java全栈开发 | Web前端+H5 大数据开发 | 数据分析 人工智能+Python | 人工智能+物联网 来源:小职(z_zhizuobiao ...
- 为什么大数据需要数据湖?
自2011年"数据湖"概念被提出,业界便对数据湖一直有着广泛而不同的理解和定义. "数据湖是一个集中化存储海量的.多个来源,多种类型数据,并可以对数据进行快速加工,分析的 ...
- 非常复杂,上双11数据大屏背后的秘密:大规模流式增量计算及应用
回顾大数据技术领域大事件,最早可追溯到06年Hadoop的正式启动,而环顾四下,围绕着数据库及数据处理引擎,业内充斥着各种各样的大数据技术.这是个技术人的好时代,仅数据库领域热门DB就有300+,围绕 ...
最新文章
- 深度学习项目中在yaml文件中定义配置,以及使用的python的PyYAML库包读取解析yaml配置文件
- HarmonyOS之常用组件ToastDialog的功能和使用
- 关于php的文章,一篇关于 PHP 性能的文章
- matlab2014a 3d标定,[转载]张的matlab摄像机标定
- 【模板】Manacher算法
- 装修月记第一弹,硬装篇
- vscode编辑python_VSCode+Python开发环境
- 预训练语言模型关系图+必读论文列表,清华荣誉出品
- LoadRunner 12 试用
- Java applet 类
- android 获取签名的md5值,获取Android MD5签名
- QQ邮箱代收Gmail邮件,微信第一时间通知Gmail新收邮件
- 微型计算机硬件系统包括什么,微型计算机硬件系统由什么组成(6个基本组成部件)...
- 青海省海西蒙古族藏族自治州谷歌高清卫星地图下载
- 象棋的杀法??????
- 计算机中丢失granny2,修复granny2.dll
- 重磅!项目经理指导手册和全套管理秘籍下载
- DNS-域名解析协议
- 我为什么要选择traefik2做网关?
- php做照片墙,照片墙作业练习
热门文章
- 灵机一栋团队alpha冲刺 Ⅱ
- React 常见面试题
- Appium 点击操作梳理
- ASP.NET MVC 音乐商店 - 10. 完成导航和站点的设计
- python中prompt的意思_selenium+Python(alert 、confirm 、prompt 的处理)
- tools:ignore=“MissingConstraints“属性
- 国产开源优秀新一代MPP数据库StarRocks入门之旅-数仓新利器(上)
- 斯隆奖获得者李博:从博弈论出发,和「偶像」并肩的感觉很好 | 青源专栏
- POJ 3264 Balanced Lineup (RMQ)
- UIApplication(BTGMethodSwizzler) btg_swizzleSendEvent: 崩溃