1樓：高考志願大資料
2020高考志願填報，大資料專業解讀
2樓：雲南新華電腦學校
大資料技術的學習內容有很多，包括：
基礎階段：linux、docker、kvm、mysql基礎、oracle基礎、mongodb、redis。
hadoop mapreduce hdfs yarn：hadoop：hadoop 概念、版本、歷史，hdfs工作原理，yarn介紹及元件介紹。
大資料儲存階段：hbase、hive、sqoop。
大資料架構設計階段：flume分散式、zookeeper、kafka。
大資料實時計算階段：mahout、spark、storm。
大資料資料採集階段：python、scala。
大資料商業實戰階段：實操企業大資料處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。
大資料時代需要學習什麼技術
3樓：匿名使用者
資料探勘，資料結構，還得對資料敏感
4樓：匿名使用者
r語言 sas hadoop
大資料好學嗎，大資料需要學習什麼技術
5樓：
這個肯定就抄
得看你的個人基礎了。最好有較好的邏輯思維和數理基礎，還有一定的統計學知識，更適合偏理工科的人。當然興趣是算不了的，畢竟要面對一大堆資料和運用工具，沒有興趣會枯燥到爆。
至於需要學習什麼技術，這個自己去了解就好。
大資料都需要學什麼？
6樓：楠風吹呀那個吹
大資料技術的學習內容有很多，包括：
基礎階段：linux、docker、kvm、mysql基礎、oracle基礎、mongodb、redis。
hadoop mapreduce hdfs yarn：hadoop：hadoop 概念、版本、歷史，hdfs工作原理，yarn介紹及元件介紹。
7樓：
大資料要學的東西有很多
8樓：尚矽谷
您好，學習大資料有以下幾個方面的內容，按照順序學習就可以了，在學習的方法上就是多思考、多問、多練習，學習就是不斷的重複，熟能生巧，希望你早日學有所成。
9樓：易曉生縁
大資料需要學的東西很多：
基礎階段：linux、docker、kvm、mysql基礎、oracle基礎、mongodb、redis。 hadoop mapreduce hdfs yarn：
hadoop：hadoop 概念、版本、歷史，hdfs工作原理，yarn介紹及元件介紹。
大資料儲存階段：hbase、hive、sqoop。大資料架構設計階段：
flume分散式、zookeeper、kafka。大資料實時計算階段：mahout、spark、storm。
大資料資料採集階段：python、scala。
大資料商業實戰階段：實操企業大資料處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。
大資料有很多專業性的知識，像零基礎在學習的話，大概需要用4-5個月的時間，我是去年在·光環大資料學的，因為是零基礎，所以要更努力一些，付出的時間精力更多一些。
大資料時代需要學習哪些j**a知識
大資料都是需要什麼技術的？
10樓：喵喵喵喵喵咪
想學習大資料技術，是不是首先要知道大資料技術有哪些呢？也好知道自己未來應該往哪個方向發展，應該重點學習哪些知識？
抽象而言，各種大資料技術無外乎分散式儲存 + 平行計算。具體體現為各種分散式檔案系統和建立在其上的並行運算框架。這些軟體程式都部署在多個相互連通、統一管理的物理或虛擬運算節點之上，形成叢集(cluster)。
因此不妨說，雲端計算是大資料的基礎。
下面介紹幾種當前比較流行的大資料技術：
1.hadoop
hadoop無疑是當前很知名的大資料技術了。
2023年到2023年間，google釋出了關於gfs、mapreduce和bigtable三篇技術**(這幾篇**成為了後來雲端計算、大資料領域發展的重要基石)。當時一位因公司倒閉賦閒在家的程式設計師doug cutting根據前兩篇**，開發出了一個簡化的山寨版gfs – hdfs,以及基於其的mapreduce計算框架，這就是hadoop當初的版本。後來cutting被yahoo僱傭，得以依賴yahoo的資源改進hadoop,並將其貢獻給了apache開源社群。
簡單描述hadoop原理：資料分散式儲存，運算程式被髮派到各個資料節點進行分別運算(map)，再將各個節點的運算結果進行合併歸一(reduce)，生成結果。相對於動輒tb級別的資料，計算程式一般在kb – mb的量級，這種移動計算不移動資料的設計節約了大量網路頻寬和時間，並使得運算過程可以充分並行化。
在其誕生後的近10年裡，hadoop憑藉其簡單、易用、高效、免費、社群支援豐富等特徵成為眾多企業雲端計算、大資料實施的首選。
2.storm
hadoop雖好，卻有其「死穴」.其一：它的運算模式是批處理。
這對於許多有實時性要求的業務就無法做到很好的支援。因此，twitter推出了他們自己的基於流的運算框架——storm。不同於hadoop一次性處理所有資料並得出統一結果的作業(job)，storm對源源匯入的資料流進行持續不斷的處理，隨時得出增量結果。
3.spark
hadoop的另一個致命弱點是：它的所有中間結果都需要進行硬碟儲存，i/o消耗巨大，這就使得它很不適合多次迭代的運算。而大多數機器學習演算法，恰恰要求大量迭代運算。
2023年開始，uc berkeley amp lab開始研發分散式運算的中間過程全部記憶體儲存的spark框架，由此在迭代計算上大大提高了效率。也因此成為了hadoop的強有力競爭者。
4.nosql 資料庫
nosql資料庫可以泛指非關係型資料庫，不過一般用來指稱那些建立在分散式檔案系統(例如hdfs)之上，基於key-value對的資料管理系統。
相對於傳統的關係型資料庫，nosql資料庫中儲存的資料無需主鍵和嚴格定義的schema。於是，大量半結構化、非結構化資料可以在未經清洗的情況下直接進行儲存。這一點滿足了處理大量、高速、多樣的大資料的需求。
當前比較流行的nosql資料庫有mongodb,redis,cassandra,hbase等。
nosql並不是沒有sql,而是不僅僅有(not only)sql的意思。為了相容之前許多執行在關係型資料庫上的業務邏輯，有很多在nosql資料庫上執行sql的工具湧現出來，典型的例如hive和pig,它們將使用者的sql語句轉化成mapreduce作業，在hadoop上執行。
大資料產業已進入發展的「快車道」，急需大量優秀的大資料人才作為後盾。能夠在大資料行業崛起的初期進入到這個行業當中來，才有機會成為時代的弄潮兒。
11樓：塵無中心
大資料的關鍵技術
1.分散式儲存系統(hdfs)。2.
mapreduce分散式計算框架。3.yarn資源管理平臺。
4.sqoop資料遷移工具。5.
mahout資料探勘演算法庫。6.hbase分散式資料庫。
7.zookeeper分散式協調服務。8.
hive基於hadoop的資料倉儲。9.flume日誌收集工具。
求助，大資料技術公司應怎樣迎接大資料時代的來臨？
我覺得首先是要善於抓住機遇，這是前提。不過，打鐵還是需要自身硬，像大家說的，實力才是硬道理。舉例來說一下吧，hcr慧辰資訊就是一個做得不錯的公司，以前我們跟他們有過幾次合作，據我瞭解，他們對客戶需求非常瞭解，在資料洞察方面很專注，而且能夠多角度發展，向前資料融合，向後發展資料應用，多年來的服務積累，...
什麼是大資料時代的思維，什麼是大資料時代
大資料時代，人們對待資料的思維方式會發生如下三個變化 第一，人們處理的資料從樣本資料變成全部資料 第二，由於是全樣本資料，人們不得不接受資料的混雜性，而放棄對精確性的追求 第三，人類通過對大資料的處理，放棄對因果關係的渴求，轉而關注相關關係。大資料思維最關鍵的轉變在於從自然思維轉向智慧思維，使得大資...
大資料時代的目錄，關於大資料時代這本書
引言 正在發生的生活 工作與思維的大變革。第一部分 大資料時代的思維變革。第2章 更雜 不是精確性，而是混雜性。第二部分 大資料時代的商業變革。第4章 資料化 一切皆可 量化 第5章 價值 取之不盡，用之不竭 的資料創新第6章 角色定位 資料 技術與思維的三足鼎立第三部分 大資料時代的管理變革。第7...