• 在线客服

  • 扫描二维码
    下载博学谷APP

  • 扫描二维码
    关注博学谷微信公众号

  • 意见反馈

原创 如何进入大数据领域,学习路线是什么?

发布时间:2022-08-26 18:02:21 浏览 1907 来源:博学谷 作者:小谷

     

    想要从事大数据技术开发工作,请问要怎么做,路线是什么?从哪里开始学?学哪些?

    废话不多说,直接上干货!

    大数据本质上是海量数据。

    以往的数据开发,需要一定的Java基础和工作经验,门槛高,入门难。

    如果零基础入门数据开发行业的小伙伴,可以从Python语言入手。

    Python语言简单易懂,适合零基础入门,在编程语言排名上升最快,能完成数据挖掘、机器学习、实时计算在内的各种大数据集成任务。

    等不及的同学可以直接看这个路线图 2022Python+大数据学习路线图

    https://www.bilibili.com/read/cv11171369

     

    第一阶段:大数据开发入门

    MySQL数据库及SQL语法

    MySQL可以处理拥有上千万条记录的大型数据库,使用标准的SQL数据语言形式,MySQL可以安装在不同的操作系统,并且提供多种编程语言的操作接口,这些编程语言包括CC++PythonJavaRuby等等。支持多种存储引擎。

    SQL就是客户端和MySQL服务器端进行通信和沟通的语言。

    https://www.bilibili.com/video/BV1iF411z7Pu

    KettleBI工具

    Kettle作为一个端对端的数据集成平台,其部分特色功能包括:无代码拖拽式构建数据管道、多数据源对接、数据管道可视化、模板化开发数据管道、可视化计划任务、深度Hadoop支持、数据任务下压Spark集群、数据挖掘与机器学习支持。

    https://www.bilibili.com/video/BV1CT4y157KE?p=24

    Python与数据库交互

    实际的生产任务中,数据几乎全部存在与数据库中,因此,与数据库的交互成为一件难以避免的事情。想要在Python代码中和mysql数据库进行交互,需要借助一个第三方的模块“pymysql”。

    https://www.bilibili.com/video/BV1BP4y1E7WY

     

    第二阶段:大数据核心基础

    Linux

    Linux作为操作系统,本身是为了管理内存,调度进程,处理网络协议栈等等。而大数据的发展是基于开源软件的平台,大数据的分布式集群( HadoopSpark )都是搭建在多台 Linux 系统上,对集群的执行命令都是在 Linux 终端窗口输入的。据Linux基金会的研究,86%的企业已经使用Linux操作系统进行大数据平台的构建。Linux占据优势。

    P6-p17

    https://www.bilibili.com/video/BV1CU4y1N7Sh?p=6

    Hadoop基础

    Hadoop是一个能够对大量数据进行分布式处理软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。它很擅长存储大量的半结构化的数据集。也非常擅长分布式计算——快速地跨多台机器处理大型数据集合。Hadoop的框架最核心的设计就是:HDFSMapReduce.HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。

    Hadoopp18-p50

    https://www.bilibili.com/video/BV1CU4y1N7Sh?p=18

    MapReduceHadoop是相互独立的,实际上又能相互配合工作得很好。MapReduce是处理大量半结构化数据集合的编程模型。

    大数据开发Hive基础

    Hive是基于Hadoop的一个数据仓库工具,用来进行数据提取、转化、加载,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表,并提供SQL查询功能,能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低,可以通过类似SQL语句实现快速MapReduce统计,使MapReduce变得更加简单,而不必开发专门的MapReduce应用程序。Hive十分适合对数据仓库进行统计分析。

    Hive视频课程,P51-p83

    https://www.bilibili.com/video/BV1CU4y1N7Sh?p=51

     

    第三阶段:千亿级数仓技术

    企业级在线教育项目实战(Hive数仓项目完整流程)

    以真实项目为驱动,学习离线数仓技术。建立集团数据仓库,统一集团数据中心,把分散的业务数据集中存储和处理 ;从需求调研、设计、版本控制、研发、测试到落地上线,涵盖了项目的完整工序 ;挖掘分析海量用户行为数据,定制多维数据集合,形成数据集市,供各个场景主题使用。 

    https://www.bilibili.com/video/BV1ef4y1B7KX

     

    第四阶段:PB内存计算

    Python编程基础+进阶

    Python是基于ABC语言的发展来的,Python语法和动态类型,以及解释型语言的本质,使它成为多数平台上写脚本和快速开发应用的编程语言, 随着版本的不断更新和语言新功能的添加,逐渐被用于独立的、大型项目的开发。

    Python 语言的语法非常简洁明了,即便是非软件专业的初学者,也很容易上手。

    和其它编程语言相比,实现同一个功能,Python 语言的实现代码往往是最短的。

    https://www.bilibili.com/video/BV1o4411M71o

    https://www.bilibili.com/video/BV1Ex411x7Xn

    Spark技术栈

    Spark是大数据体系的明星产品,是一款高性能的分布式内存迭代计算框架,可以处理海量规模的数据。本课程基于Python语言学习Spark3.2开发,课程的讲解注重理论联系实际,高效快捷,深入浅出,让初学者也能快速掌握。让有经验的工程师也能有所收获。

    https://www.bilibili.com/video/BV1ui4y1V7Cf

    https://www.bilibili.com/video/BV1Jq4y1z7VP

    https://www.bilibili.com/video/BV1W54y1B7XF 

    大数据Flink技术栈

    Flink核心是一个流式的数据流执行引擎,其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎,Flink提供了诸多更高抽象层的API以便用户编写分布式任务。Flink也可以方便地和Hadoop生态圈中其他项目集成,例如Flink可以读取存储在HDFSHBase中的静态数据,以Kafka作为流式的数据源,直接重用MapReduceStorm代码,或是通过YARN申请集群资源等。

    https://www.bilibili.com/video/BV1xe411W7vx     

    Spark离线数仓工业项目实战

    通过大数据技术架构,解决工业物联网制造行业的数据存储和分析、可视化、个性化推荐问题。一站制造项目主要基于Hive数仓分层来存储各个业务指标数据,基于sparkSQL做数据分析。核心业务涉及运营商、呼叫中心、工单、油站、仓储物料。

    https://www.bilibili.com/video/BV1Tv411B7Cf

     

    申请免费试学名额    

在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!

上一篇: 大数据的薪资怎么样?想学大数据了? 下一篇: 博学谷狂野大数据学习多长时间?

相关推荐 更多

热门文章

  • 前端是什么
  • 前端开发的工作职责
  • 前端开发需要会什么?先掌握这三大核心关键技术
  • 前端开发的工作方向有哪些?
  • 简历加分-4步写出HR想要的简历
  • 程序员如何突击面试?两大招带你拿下面试官
  • 程序员面试技巧
  • 架构师的厉害之处竟然是这……
  • 架构师书籍推荐
  • 懂了这些,才能成为架构师
  • 查看更多

扫描二维码,了解更多信息

博学谷二维码