做大数据开发必须精通java吗？java对大数据开发有什么关系？
发布时间：2022-11-08 11:03:33 所属栏目：大数据 来源：
导读： 不要自答
首先看看java系统跟大数据技术的关系
（1）大数据不仅仅只是大数据工程师要关注的东西
（2）大数据也是Java程序员在构建各类系统的时候一种全新的思维，以及架构理念，比如Sto
首先看看java系统跟大数据技术的关系
（1）大数据不仅仅只是大数据工程师要关注的东西
（2）大数据也是Java程序员在构建各类系统的时候一种全新的思维，以及架构理念，比如Sto
|
不要自答 首先看看java系统跟大数据技术的关系 （1）大数据不仅仅只是大数据工程师要关注的东西 （2）大数据也是Java程序员在构建各类系统的时候一种全新的思维，以及架构理念，比如Storm，Hive，Spark，ZooKeeper，HBase，Elasticsearch，等等 （3）举例说明 storm：实时缓存热点数据统计->缓存预热->缓存热点数据自动降级 Hive：Hadoop生态栈里面，做数据仓库的一个系统，高并发访问下，海量请求日志的批量统计分析，日报周报月报，接口调用情况，业务使用情况大数据开发，等等 Spark：离线批量数据处理，比如从DB中一次性批量处理几亿数据，清洗和处理后写入Redis中供后续的系统使用，大型互联网公司的用户相关数据 ZooKeeper：分布式系统的协调，分布式锁，分布式选举->高可用HA架构，轻量级元数据存储 HBase：海量数据的在线存储和简单查询，替代MySQL分库分表，提供更好的伸缩性 Elasticsearch：海量数据的复杂检索以及搜索引擎的构建，支撑有大量数据的各种企业信息化系统的搜索引擎，电商/新闻等网站的搜索引擎，等等 hystrix: 分布式系统的高可用性的限流，熔断，降级，等等，一些措施，缓存雪崩的方案，限流的技术 再看看大数据学习路线 大数据学习路线 大数据开发_大数据开发工程师前景_大数据java开发 java(Java se,javaweb) Linux(shell,高并发架构,lucene,solr) Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume) 机器学习(R,mahout) Storm(Storm,kafka,redis) Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx) Python(python,spark python) 云计算平台(docker,kvm,openstack) 名词解释 一、Linux lucene： 全文检索引擎的架构 solr： 基于lucene的全文搜索服务器，实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面。 二、Hadoop HDFS： 分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存数数据。 yarn： 可以理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManager NodeManager。 MapReduce： 软件框架，编写程序。 Hive： 数据仓库 可以用SQL查询，可以运行Map/Reduce程序。用来计算趋势或者网站日志，不应用于实时查询，需要很长时间返回结果。 HBase： 数据库。非常适合用来做大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析 ZooKeeper： 针对大型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，active standby切换。 Sqoop： 数据库相互转移，关系型数据库和HDFS相互转移 Mahout： 可扩展的机器学习和数据挖掘库。用来做推荐挖掘，聚集，分类，频繁项集挖掘。 Chukwa： 开源收集系统，监视大型分布式系统，建立在HDFS和Map/Reduce框架之上。显示、监视、分析结果。 Ambari： 用于配置、管理和监视Hadoop集群，基于Web，界面友好。 二、Cloudera Cloudera Manager： 管理 监控 诊断 集成 Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop做了相应的改变，发行版本称为CDH。 Cloudera Flume： 日志收集系统，支持在日志系统中定制各类数据发送方，用来收集数据。 Cloudera Impala： 对存储在Apache Hadoop的HDFS，HBase的数据提供直接查询互动的SQL。 Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供所有CDH组件的shell界面的接口，可以在hue编写mr。 三、机器学习/R R： 用于统计分析、绘图的语言和操作环境，目前有Hadoop-R mahout： 提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等，且可通过Hadoop扩展到云中。 大数据java开发_大数据开发_大数据开发工程师前景 四、storm Storm： 分布式，容错的实时流式计算系统，可以用作实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。 Kafka： 高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据（浏览，搜索等）。相对Hadoop的日志数据和离线分析，可以实现实时处理。目前通过Hadoop的并行加载机制来统一线上和离线的消息处理 Redis： 由c语言编写，支持网络、可基于内存亦可持久化的日志型、key-value型数据库。 五、Spark Scala： 一种类似java的完全面向对象的编程语言。 jblas： 一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。 Spark：Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从而不需要读写HDFS，因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作，用过Mesos的第三方集群框架可以支持此行为。 Spark SQL：作为Apache Spark大数据框架的一部分,可用于结构化数据处理并可以执行类似SQL的Spark数据查询 Spark Streaming：一种构建在Spark上的实时计算框架，扩展了Spark处理大数据流式数据的能力。 Spark MLlib：MLlib是Spark是常用的机器学习算法的实现库，目前(2014.05)支持二元分类，回归，聚类以及协同过滤。同时也包括一个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。 Spark GraphX： GraphX是Spark中用于图和图并行计算的API，可以在Spark之上提供一站式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。 Fortran： 最早出现的计算机高级程序设计语言，广泛应用于科学和工程计算领域。 BLAS： 基础线性代数子程序库，拥有大量已经编写好的关于线性代数运算的程序。 LAPACK： 著名的公开软件，包含了求解科学与工程计算中最常见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。 ATLAS： BLAS线性算法库的优化版本。 Spark Python： Spark是由scala语言编写的，但是为了推广和兼容，提供了java和python接口。 六、Python Python: 一种面向对象的、解释型计算机程序设计语言。 七、云计算平台 Docker： 开源的应用容器引擎 kvm： (Keyboard Video Mouse) openstack： 开源的云计算管理平台项目 希望对你有所帮助 （编辑：PHP编程网 - 襄阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
浙公网安备 33038102330434号