Re: [請益] 值得花十萬到巨匠 學大數據軟體嗎？

[v9290026 (CH)]

開門見山：如果是有志想成為資料科學家或工程師的話，不要花，不值得。
連版上可能推的資策會大數據專班.....都不要去(真的要我寧可選Java EE班)。
恆逸我沒仔細研究，但應該沒差多少。

我是一位對資料處理有興趣的資料工程師，簡單說就是數據領域的黑手，不是帥帥的科學
家XD。但如果想一起當黑手的，我來說說有哪些東西可以先去看看有沒有興趣，再往下走：


(一)資料源：
Apache  Flume
Apache Kafka
LogStash

負責接資料的，目前又以streaming為大宗：
Flume比較適合整合Hadoop生態系; Kafka則是偏SMACK架構; logStash則是ELK自成一派。
當然這不是絕對，而且可以互相接來接去，像我前一個案子也有Kafka->Flume->HDFS/HBase/Avro串來串去的。
我用這3套目前可以滿足大部分的streaming收資料的需求。
Flink沒時間碰QQ
阿批次勒？...HDFS API XD~
選一套的話：我選Kafka。搭配語言：Java Client API


(二)資料處理引擎：
MRv2(MapReduce)
Spark

這也是大家，即使是非業界也常常聽到的term，但要講的仔細也是好幾本書的內容了..
例如批次處理該用Spark好還是MapReduce。串流處理的話我聽過Spark Streaming，那跟
Storm又差在哪？什麼是micro-batch？

選一套的話，我選Spark，因為目前的應用還是單位時間點內記憶體能負載的量。還沒玩
過幾個PB的.....不然選擇可能不同了。
但有點尷尬的是，Spark用Java，即便是 Lambda寫起來也是有點憋屈..
所以我會推薦新手用Spark+Python+jupiter。
想讓自己被Funcational Programming玩的，可以選Spark in Scala（大推)

現在在IT鐵人賽有寫一點Spark +Scala的教學，有興趣的可以看看(招手)：
http://ithelp.ithome.com.tw/users/20103839/ironman/1210


(三)結構化/半結構化查詢工具(Query Engine)：
Hive
Impala (也開源了)
Spark SQL
這幾套我對Impala跟Spark SQL比較有研究而已。這邊就是SQL語言配的上場的地方啦！！
可以用簡單的SQL查詢當然開心啦，但是要注意的是先查哪些語法沒有支援....
不管哪一套都要注意"別幫他當作資料庫來用"，他們是查詢工具不是資料庫！
另外注意所謂的Partition的設計，以及選用的檔案格式，例如Parquet/Avro等....
扯遠了....
這幾套與BI也都有良好的介接，Tableau/Qlik View不是問題
選一套的話，我選SparkSQL/Impala 搭配SQL語言以及各種JDBC/ODBC


(四)分散式儲存系統：
HDFS
Kafka
S3

最正宗的Hadoop肯定會用到HDFS，但也可以把資料暫存在Kafka上，處理完後就送進NoSQL
，另外S3也是好物，只是沒機會碰到。
選一套的話，還是從HDFS+Java API開始吧

(五)分散式資料庫：
HBase
MongoDB
ElasticSearch
Cassandra

恩...沒有MySQ, MariaDB, PostgreSQL, MS SQL更沒有Oracle XDDD
這幾套我都很愛，只是MongoDB我是接一個小系統上面有跑，沒有實際開發應用經驗。
資料庫有時候就端看你要走哪種應用了：
Hadoop正宗就是搭配HBase，想用SQL上面可以套一個PhoenixDB，設計就是在玩Primary
Key。

ElasticSearch：全文檢索斷詞那方面的應用，也就是ELK中的E，再搭配一個kibana整個好用。

Cassandra:：與Spark整合良好，去正規化的Data modeling與P2P的架構整個是我的愛。

選一套的話，我私心選Cassadnra + Java/Scala Client~XD


(六)周邊：
Zookeeper, Hue, Yarn, Mesos。
還有太多周邊了商品了XDDD，Zookeeper可以要懂一些，HBase跟Kafka都有用



------------------------------------------------------------------------------------
OK就先到這裡了，上面的名詞可以Google看看，都是一個框架或工具，看看有沒有興趣。

另外考證照有沒有用，我覺是覺得有用啦，但我一張MS還是Oracle的都沒有XD：
Cloudera Certified Developer for Apache Hadoop (CCDH)
Cloudera Certified Specialist in Apache HBase (CCSHB)
Cloudera Certified Administrator for Apache Hadoop (CCAH)
Certified Developer on Apache Cassandra



PS: 我是電子系的，天下無難事...
小小資料工程師  一鞠躬


※ 引述《s00771book (320)》之銘言：
: 想問問前輩們
: 目前小妹的工作只是個
: 用BI cognos 拉資料做數據分析的助理
: 再用Excel樞紐分析 寫寫函數
: 做報告給主管看的工作
: 薪水少之又少 也不算是一技之長
: 根本不足以與大數據相提並論
: 目前嚮往大數據工作的方向
: (也是很有未來的工作 大陸已經很成熟了)
: 查看了104人力銀行
: 大數據分析工作需要的條件:
: MS SQL 資料探勘 R語言 Hedoop
: 所以我去巨匠諮詢了一下
: 課程規劃師說要學 MCSA MCSE
: 再考微軟證照70-461.462.463.464.465
: 才算是完全學會這套軟體
: 和證明給面試官看
: 但是學費竟然快要十萬
: 想請問有在做這方面工作的朋友們
: 真的值得花這筆錢嗎？
: P.S.我只是個國立科大 企管+金融的學士而已
: 沒有漂亮的學歷 只能學一技之長補足自己
: 也不是資工 資管的科系的
: 希望前輩們能給我建議 謝謝你們>////<

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 59.115.45.90
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1482735733.A.2FA.html
→ yolasiku: BI我都用台語唸
→ beaprayguy: 你有做過10pb 的 Lab嗎？
→ beaprayguy: 好奇？
→ beaprayguy: 而且資料源有影像 圖片 文字 檔案 你探勘的方法我也
→ beaprayguy: 覺得很有趣
→ v9290026: 沒有，我最大的sclae不過幾百T(跪
→ viper9709: 推~感謝分享
推 blackacre: 感謝分享
推 dreamnook: 感謝分享OwO
推 InfinitySA: 資料源甚麼格式都有吧 Q.Q
推 vn509942: 很多好玩的東東:D
推 popxpopxpop: 推
推 Ekmund: 請受小弟一拜
推 chen1025: 推
推 chen1025: 這領域大部分的時間都是在資料整理居多 資料整理好後 再
→ chen1025: 放進自己的模型去跑
推 Kz: 謝謝分享（∩▽∩）
※ 編輯: v9290026 (59.115.45.90), 12/26/2016 21:10:47
推 cacadeon: 感謝，很廣泛的整理與分享!
→ remmurds: 工具真的太多太雜了...看得眼花撩亂 @@
推 kenshin528: 真大大
推 frankshih: 感謝分享
推 TpBp: 大數據要學的很多耶～
推 tds7033: 推整理～
推 brian980466: 這篇就是大數據中的資料處理了
推 Bookdaily: 感謝分享
推 james732: 推
推 qDaniel: 這篇推推
推 jyhfengli: 大部分都有玩到耶