大数据学习_大数据学习路线 - CSDN
精华内容
参与话题
  • 大数据学习路线 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,...

    大数据学习路线

    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)

    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。

    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


    标题关注公众号,回复“大数据”领取整套教程

     

    展开全文
  • 大数据初学者怎样学习

    千次阅读 多人点赞 2017-10-09 14:01:36
    很多人都知道大数据很火,就业很好,薪资很高,想往大数据方向发展。但该学哪些技术,学习路线是什么样的呢?用不用参加大数据培训呢?如果自己很迷茫,为了这些原因想往大数据方向发展,也可以,那么大讲台老师就想...

    很多人都知道大数据很火,就业很好,薪资很高想往大数据方向发展该学哪些技术,学习路线是什么样的?用不用参加大数据培训呢?如果自己很迷茫,为了这些原因想往大数据方向发展,也可以,那么大讲台老师就想问一下,你的专业是什么,对于计算机/软件,你的兴趣是什么?是计算机专业,对操作系统、硬件、网络、服务器感兴趣?是软件专业,对软件开发、编程、写代码感兴趣?还是数学、统计学专业,对数据和数字特别感兴趣。 

    其实这就是想告诉你的大数据的三个发展方向,平台搭建/优化/运维/监控、大数据开发/设计/架构、数据分析/挖掘。请不要问我哪个容易,哪个前景好,哪个钱多。

    先说一下大数据的4V特征:

    数据量大,TB->PB

    数据类型繁多,结构化、非结构化文本、日志、视频、图片、地理位置等;

    商业价值高,但是这种价值需要在海量数据之上,通过数据分析与机器学习更快速的挖掘出来;

    处理时效性高,海量数据的处理需求不再局限在离线计算当中。

    现如今,正式为了应对大数据的这几个特点,开源的大数据框架越来越多,越来越强,再列举一些常见的:

    文件存储:Hadoop HDFSTachyonKFS

    离线计算:Hadoop MapReduceSpark

    流式、实时计算:StormSpark StreamingS4Heron

    K-VNOSQL数据库:HBaseRedisMongoDB

    资源管理:YARNMesos

    日志收集:FlumeScribeLogstashKibana

    消息系统:KafkaStormMQZeroMQRabbitMQ

    查询分析:HiveImpalaPigPrestoPhoenixSparkSQLDrillFlinkKylinDruid

    分布式协调服务:Zookeeper

    集群管理与监控:AmbariGangliaNagiosCloudera Manager

    数据挖掘、机器学习:MahoutSpark MLLib

    数据同步:Sqoop

    任务调度:Oozie

    ……

    眼花了吧,上面的有30多种吧,别说精通了,全部都会使用的,估计也没几个。

    大讲台老师推荐第二个方向(开发/设计/架构),因为这个方向容易找工作,下面给大家具体讲解一下

    第一章:初识Hadoop

    1.1 学会百度与Google

    不论遇到什么问题,先试试搜索并自己解决。

    Google首选,翻不过去的,就用百度吧。

    1.2 参考资料首选官方文档

    特别是对于入门来说,官方文档永远是首选文档。

    相信搞这块的大多是文化人,英文凑合就行,实在看不下去的,请参考第一步。

    1.3 先让Hadoop跑起来

    Hadoop可以算是大数据存储和计算的开山鼻祖,现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。 

    关于Hadoop,你至少需要搞清楚以下是什么: 

    Hadoop 1.0Hadoop 2.0

    MapReduceHDFS

    NameNodeDataNode

    JobTrackerTaskTracker

    YarnResourceManagerNodeManager

    自己搭建Hadoop,请使用第一步和第二步,能让它跑起来就行。

    建议先使用安装包命令行安装,不要使用管理工具安装。

    另外:Hadoop1.0知道它就行了,现在都用Hadoop 2.0.

    1.4 试试使用Hadoop

    HDFS目录操作命令;

    上传、下载文件命令;

    提交运行MapReduce示例程序;

    打开Hadoop WEB界面,查看Job运行状态,查看Job运行日志。

    知道Hadoop的系统日志在哪里。

    1.5 你该了解它们的原理了

    MapReduce:如何分而治之;

    HDFS:数据到底在哪里,什么是副本;

    Yarn到底是什么,它能干什么;

    NameNode到底在干些什么;

    ResourceManager到底在干些什么;

    1.6 自己写一个MapReduce程序

    请仿照WordCount例子,自己写一个(照抄也行)WordCount程序,

    打包并提交到Hadoop运行。

    你不会JavaShellPython都可以,有个东西叫Hadoop Streaming

    如果你认真完成了以上几步,恭喜你,你的一只脚已经进来了。


    第二章:更高效的WordCount

    2.1 学点SQL

    你知道数据库吗?你会写SQL吗?

    如果不会,请学点SQL吧。

    2.2 SQLWordCount

    1.6中,你写(或者抄)的WordCount一共有几行代码?

    给你看看我的:

    SELECT word,COUNT(1) FROM wordcount GROUP BY word;

    这便是SQL的魅力,编程需要几十行,甚至上百行代码,我这一句就搞定;使用SQL处理分析Hadoop上的数据,方便、高效、易上手、更是趋势。不论是离线计算还是实时计算,越来越多的大数据处理框架都在积极提供SQL接口。

    2.3 SQL On HadoopHive

    什么是Hive?官方给的解释是:

    The Apache Hive data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage and queried using SQL syntax.

    为什么说Hive是数据仓库工具,而不是数据库工具呢?有的朋友可能不知道数据仓库,数据仓库是逻辑上的概念,底层使用的是数据库,数据仓库中的数据有这两个特点:最全的历史数据(海量)、相对稳定的;所谓相对稳定,指的是数据仓库不同于业务系统数据库,数据经常会被更新,数据一旦进入数据仓库,很少会被更新和删除,只会被大量查询。而Hive,也是具备这两个特点,因此,Hive适合做海量数据的数据仓库工具,而不是数据库工具。

    2.4 安装配置Hive

    请参考1.11.2 完成Hive的安装配置。可以正常进入Hive命令行。

    2.5 试试使用Hive

    请参考1.11.2 ,在Hive中创建wordcount表,并运行2.2中的SQL语句。

    Hadoop WEB界面中找到刚才运行的SQL任务。

    SQL查询结果是否和1.4MapReduce中的结果一致。

    2.6 Hive是怎么工作的

    明明写的是SQL,为什么Hadoop WEB界面中看到的是MapReduce任务?

    2.7 学会Hive的基本命令

    创建、删除表;

    加载数据到表;

    下载Hive表的数据;

    请参考1.2,学习更多关于Hive的语法和命令。

    如果你已经按照《写给大数据开发初学者的话》中第一章和第二章的流程认真完整的走了一遍,那么你应该已经具备以下技能和知识点:

    0Hadoop2.0的区别;

    MapReduce的原理(还是那个经典的题目,一个10G大小的文件,给定1G大小的内存,如何使用Java程序统计出现次数最多的10个单词及次数);

    HDFS读写数据的流程;向HDFSPUT数据;从HDFS中下载数据;

    自己会写简单的MapReduce程序,运行出现问题,知道在哪里查看日志;

    会写简单的SELECTWHEREGROUP BYSQL语句;

    Hive SQL转换成MapReduce的大致流程;

    Hive中常见的语句:创建表、删除表、往表中加载数据、分区、将表中数据下载到本地;

    从上面的学习,你已经了解到,HDFSHadoop提供的分布式存储框架,它可以用来存储海量数据,MapReduceHadoop提供的分布式计算框架,它可以用来统计和分析HDFS上的海量数据,而Hive则是SQL On HadoopHive提供了SQL接口,开发人员只需要编写简单易上手的SQL语句,Hive负责把SQL翻译成MapReduce,提交运行。

    那么问题来了,海量数据如何到HDFS上呢?


    第三章:把别处的数据搞到Hadoop

    此处也可以叫做数据采集,把各个数据源的数据采集到Hadoop上。

    3.1 HDFS PUT命令

    这个在前面你应该已经使用过了。

    put命令在实际环境中也比较常用,通常配合shellpython等脚本语言来使用。

    建议熟练掌握。

    3.2 HDFS API

    HDFS提供了写数据的API,自己用编程语言将数据写入HDFSput命令本身也是使用API

    实际环境中一般自己较少编写程序使用API来写数据到HDFS,通常都是使用其他框架封装好的方法。比如:Hive中的INSERT语句,Spark中的saveAsTextfile等。

    建议了解原理,会写Demo

    3.3 Sqoop

    Sqoop是一个主要用于Hadoop/Hive与传统关系型数据库Oracle/MySQL/SQLServer等之间进行数据交换的开源框架。

    就像HiveSQL翻译成MapReduce一样,Sqoop把你指定的参数翻译成MapReduce,提交到Hadoop运行,完成Hadoop与其他数据库之间的数据交换。

    自己下载和配置Sqoop(建议先使用Sqoop1Sqoop2比较复杂)。

    了解Sqoop常用的配置参数和方法。

    使用Sqoop完成从MySQL同步数据到HDFS

    使用Sqoop完成从MySQL同步数据到Hive表;

    PS:如果后续选型确定使用Sqoop作为数据交换工具,那么建议熟练掌握,否则,了解和会用Demo即可。

    3.4 Flume

    Flume是一个分布式的海量日志采集和传输框架,因为“采集和传输框架”,所以它并不适合关系型数据库的数据采集和传输。

    Flume可以实时的从网络协议、消息系统、文件系统采集日志,并传输到HDFS上。

    因此,如果你的业务有这些数据源的数据,并且需要实时的采集,那么就应该考虑使用Flume

    下载和配置Flume

    使用Flume监控一个不断追加数据的文件,并将数据传输到HDFS

    PSFlume的配置和使用较为复杂,如果你没有足够的兴趣和耐心,可以先跳过Flume

    3.5 阿里开源的DataX

    之所以介绍这个,是因为我们公司目前使用的Hadoop与关系型数据库数据交换的工具,就是之前基于DataX开发的,非常好用。

    现在DataX已经是3.0版本,支持很多数据源。

    你也可以在其之上做二次开发。

    PS:有兴趣的可以研究和使用一下,对比一下它与Sqoop

     

    第四章:把Hadoop上的数据搞到别处去

    前面介绍了如何把数据源的数据采集到Hadoop上,数据到Hadoop上之后,便可以使用HiveMapReduce进行分析了。那么接下来的问题是,分析完的结果如何从Hadoop上同步到其他系统和应用中去呢?

    其实,此处的方法和第三章基本一致的。

    4.1 HDFS GET命令

    HDFS上的文件GET到本地。需要熟练掌握。

    4.2 HDFS API

    3.2.

    4.3 Sqoop

    3.3.

    使用Sqoop完成将HDFS上的文件同步到MySQL

    使用Sqoop完成将Hive表中的数据同步到MySQL

    4.4 DataX

    3.5.

    你应该已经具备以下技能和知识点:

    知道如何把已有的数据采集到HDFS上,包括离线采集和实时采集;

    你已经知道sqoop(或者还有DataX)是HDFS和其他数据源之间的数据交换工具;

    你已经知道flume可以用作实时的日志采集。

    从前面的学习,对于大数据平台,你已经掌握的不少的知识和技能,搭建Hadoop集群,把数据采集到Hadoop上,使用HiveMapReduce来分析数据,把分析结果同步到其他数据源。

    接下来的问题来了,Hive使用的越来越多,你会发现很多不爽的地方,特别是速度慢,大多情况下,明明我的数据量很小,它都要申请资源,启动MapReduce来执行。

     

    第五章:快一点吧,我的SQL

    其实大家都已经发现Hive后台使用MapReduce作为执行引擎,实在是有点慢。

    因此SQL On Hadoop的框架越来越多,按我的了解,最常用的按照流行度依次为SparkSQLImpalaPresto.

    这三种框架基于半内存或者全内存,提供了SQL接口来快速查询分析Hadoop上的数据。关于三者的比较,请参考1.1.

    我们目前使用的是SparkSQL,至于为什么用SparkSQL,原因大概有以下吧:

    使用Spark还做了其他事情,不想引入过多的框架;

    Impala对内存的需求太大,没有过多资源部署;

    5.1 关于SparkSparkSQL

    什么是Spark,什么是SparkSQL

    Spark有的核心概念及名词解释。

    SparkSQLSpark是什么关系,SparkSQLHive是什么关系。

    SparkSQL为什么比Hive跑的快。

    5.2 如何部署和运行SparkSQL

    Spark有哪些部署模式?

    如何在Yarn上运行SparkSQL

    使用SparkSQL查询Hive中的表。

    PS: Spark不是一门短时间内就能掌握的技术,因此建议在了解了Spark之后,可以先从SparkSQL入手,循序渐进。


    第六章:一夫多妻制

    请不要被这个名字所诱惑。其实我想说的是数据的一次采集、多次消费。

    在实际业务场景下,特别是对于一些监控日志,想即时的从日志中了解一些指标(关于实时计算,后面章节会有介绍),这时候,从HDFS上分析就太慢了,尽管是通过Flume采集的,但Flume也不能间隔很短就往HDFS上滚动文件,这样会导致小文件特别多。

    为了满足数据的一次采集、多次消费的需求,这里要说的便是Kafka

    6.1 关于Kafka

    什么是Kafka

    Kafka的核心概念及名词解释。

    6.2 如何部署和使用Kafka

    使用单机部署Kafka,并成功运行自带的生产者和消费者例子。

    使用Java程序自己编写并运行生产者和消费者程序。

    FlumeKafka的集成,使用Flume监控日志,并将日志数据实时发送至Kafka

    这时,使用Flume采集的数据,不是直接到HDFS上,而是先到KafkaKafka中的数据可以由多个消费者同时消费,其中一个消费者,就是将数据同步到HDFS

    你应该已经具备以下技能和知识点:

    为什么SparkMapReduce快。

    使用SparkSQL代替Hive,更快的运行SQL

    使用Kafka完成数据的一次收集,多次消费架构。

    自己可以写程序完成Kafka的生产者和消费者。

    从前面的学习,你已经掌握了大数据平台中的数据采集、数据存储和计算、数据交换等大部分技能,而这其中的每一步,都需要一个任务(程序)来完成,各个任务之间又存在一定的依赖性,比如,必须等数据采集任务成功完成后,数据计算任务才能开始运行。如果一个任务执行失败,需要给开发运维人员发送告警,同时需要提供完整的日志来方便查错。


    第七章:越来越多的分析任务

    不仅仅是分析任务,数据采集、数据交换同样是一个个的任务。这些任务中,有的是定时触发,有点则需要依赖其他任务来触发。当平台中有几百上千个任务需要维护和运行时候,仅仅靠crontab远远不够了,这时便需要一个调度监控系统来完成这件事。调度监控系统是整个数据平台的中枢系统,类似于AppMaster,负责分配和监控任务。

    7.1 Apache Oozie

    1. Oozie是什么?有哪些功能?

    2. Oozie可以调度哪些类型的任务(程序)?

    3. Oozie可以支持哪些任务触发方式?

    4.  安装配置Oozie

    7.2 其他开源的任务调度系统

    Azkaban

    https://azkaban.github.io/

    light-task-scheduler

    https://github.com/ltsopensource/light-task-scheduler

    Zeus

    https://github.com/alibaba/zeus

    等等……


    第八章:我的数据要实时

    在第六章介绍Kafka的时候提到了一些需要实时指标的业务场景,实时基本可以分为绝对实时和准实时,绝对实时的延迟要求一般在毫秒级,准实时的延迟要求一般在秒、分钟级。对于需要绝对实时的业务场景,用的比较多的是Storm,对于其他准实时的业务场景,可以是Storm,也可以是Spark Streaming。当然,如果可以的话,也可以自己写程序来做。

    8.1 Storm

    1. 什么是Storm?有哪些可能的应用场景?

    2. Storm由哪些核心组件构成,各自担任什么角色?

    3. Storm的简单安装和部署。

    4. 自己编写Demo程序,使用Storm完成实时数据流计算。

    8.2 Spark Streaming

    1. 什么是Spark Streaming,它和Spark是什么关系?

    2. Spark StreamingStorm比较,各有什么优缺点?

    3. 使用Kafka + Spark Streaming,完成实时计算的Demo程序。

    至此,你的大数据平台底层架构已经成型了,其中包括了数据采集、数据存储与计算(离线和实时)、数据同步、任务调度与监控这几大模块。接下来是时候考虑如何更好的对外提供数据了。


    第九章:我的数据要对外

    通常对外(业务)提供数据访问,大体上包含以下方面:

    离线:比如,每天将前一天的数据提供到指定的数据源(DBFILEFTP)等;离线数据的提供可以采用SqoopDataX等离线数据交换工具。

    实时:比如,在线网站的推荐系统,需要实时从数据平台中获取给用户的推荐数据,这种要求延时非常低(50毫秒以内)。

    根据延时要求和实时数据的查询需要,可能的方案有:HBaseRedisMongoDBElasticSearch等。

    OLAP分析:OLAP除了要求底层的数据模型比较规范,另外,对查询的响应速度要求也越来越高,可能的方案有:ImpalaPrestoSparkSQLKylin。如果你的数据模型比较规模,那么Kylin是最好的选择。

    即席查询:即席查询的数据比较随意,一般很难建立通用的数据模型,因此可能的方案有:ImpalaPrestoSparkSQL

    这么多比较成熟的框架和方案,需要结合自己的业务需求及数据平台技术架构,选择合适的。原则只有一个:越简单越稳定的,就是最好的。


    第十章:逼格高的机器学习

    关于这块,大讲台老师只是简单介绍一下了。

    在我们的业务中,遇到的能用机器学习解决的问题大概这么三类:

    分类问题:包括二分类和多分类,二分类就是解决了预测的问题,就像预测一封邮件是否垃圾邮件;多分类解决的是文本的分类;

    聚类问题:从用户搜索过的关键词,对用户进行大概的归类。

    推荐问题:根据用户的历史浏览和点击行为进行相关推荐。

    大多数行业,使用机器学习解决的,也就是这几类问题。

    入门学习线路:

    数学基础;

    机器学习实战(Machine Learning in Action),懂Python最好;

    SparkMlLib提供了一些封装好的算法,以及特征处理、特征选择的方法。当然,你如果想更快掌握大数据,可以了解大讲台主推的大数据培训相关课程,不会让你失望的。

     

    展开全文
  • 大数据学习路线(完整详细版)

    万次阅读 2019-01-22 11:46:07
    java(Java se,javaweb) Linux(shell,高并发架构,lucene,solr) Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper...机器学习(R,mahout) Storm(Storm,kafka,redis) Spark(scala,spark,spark core,...

     

    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

    对于小白学习大数据需要注意的点有很多,但无论如何,既然你选择了进入大数据行业,那么便只顾风雨兼程。正所谓不忘初心、方得始终,学习大数据你最需要的还是一颗持之以恒的心。

    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。

     


    今天为大家整理了部分大数据学习教程与大家共享,每个人可以根据自己的需要来选择,需要的小伙伴可以+下学习资料分享裙 199加上427最后是210数字连起来就是了。
     

    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。

    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



     

    展开全文
  • 三、大数据学习规划 四、持续学习资源推荐(书籍,博客,网站) 五、项目案例分析(批处理+实时处理)   大数据学习群:119599574 前言 一、背景介绍 本人目前是一名大数据工程师,项目数据50T,日均数据...

    前言:

    一、背景介绍

    二、大数据介绍

    正文:

    一、大数据相关的工作介绍

    二、大数据工程师的技能要求

    三、大数据学习规划

    四、持续学习资源推荐(书籍,博客,网站)

    五、项目案例分析(批处理+实时处理)

     

    大数据学习群:119599574

    前言

    一、背景介绍

    本人目前是一名大数据工程师,项目数据50T,日均数据增长20G左右,个人是从Java后端开发,经过3个月的业余自学成功转型大数据工程师。

    二、大数据介绍

    大数据本质也是数据,但是又有了新的特征,包括数据来源广、数据格式多样化(结构化数据、非结构化数据、Excel文件、文本文件等)、数据量大(最少也是TB级别的、甚至可能是PB级别)、数据增长速度快等。

    针对以上主要的4个特征我们需要考虑以下问题:

    数据来源广,该如何采集汇总?,对应出现了Sqoop,Cammel,Datax等工具。

    数据采集之后,该如何存储?,对应出现了GFS,HDFS,TFS等分布式文件存储系统。

    由于数据增长速度快,数据存储就必须可以水平扩展。

    数据存储之后,该如何通过运算快速转化成一致的格式,该如何快速运算出自己想要的结果?

    对应的MapReduce这样的分布式运算框架解决了这个问题;但是写MapReduce需要Java代码量很大,所以出现了Hive,Pig等将SQL转化成MapReduce的解析引擎;

    普通的MapReduce处理数据只能一批一批地处理,时间延迟太长,为了实现每输入一条数据就能得到结果,于是出现了Storm/JStorm这样的低时延的流式计算框架;

    但是如果同时需要批处理和流处理,按照如上就得搭两个集群,Hadoop集群(包括HDFS+MapReduce+Yarn)和Storm集群,不易于管理,所以出现了Spark这样的一站式的计算框架,既可以进行批处理,又可以进行流处理(实质上是微批处理)。

    而后Lambda架构,Kappa架构的出现,又提供了一种业务处理的通用架构。

    为了提高工作效率,加快运速度,出现了一些辅助工具:

    Ozzie,azkaban:定时任务调度的工具。

    Hue,Zepplin:图形化任务执行管理,结果查看工具。

    Scala语言:编写Spark程序的最佳语言,当然也可以选择用Python。

    Python语言:编写一些脚本时会用到。

    Allluxio,Kylin等:通过对存储的数据进行预处理,加快运算速度的工具。

    以上大致就把整个大数据生态里面用到的工具所解决的问题列举了一遍,知道了他们为什么而出现或者说出现是为了解决什么问题,进行学习的时候就有的放矢了。

    正文

    一、大数据相关工作介绍

    大数据方向的工作目前主要分为三个主要方向:

    大数据工程师

    数据分析师

    大数据科学家

    其他(数据挖掘等)

    二、大数据工程师的技能要求

    附上大数据工程师技能图:

    必须掌握的技能11条

    Java高级(虚拟机、并发)

    Linux 基本操作

    Hadoop(HDFS+MapReduce+Yarn )

    HBase(JavaAPI操作+Phoenix )

    Hive(Hql基本操作和原理理解)

    Kafka

    Storm/JStorm

    Scala

    Python

    Spark (Core+sparksql+Spark streaming )

    辅助小工具(Sqoop/Flume/Oozie/Hue等)

    高阶技能6条

    机器学习算法以及mahout库加MLlib

    R语言

    Lambda 架构

    Kappa架构

    Kylin

    Alluxio

    三、学习路径

    假设每天可以抽出3个小时的有效学习时间,加上周末每天保证10个小时的有效学习时间;

    3个月会有(21*3+4*2*10)*3=423小时的学习时间。

    第一阶段(基础阶段)

    1)Linux学习—–20小时

    Linux操作系统介绍与安装。

    Linux常用命令。

    Linux常用软件安装。

    Linux网络。

    防火墙。

    Shell编程等。

     

    学习之前没搞清楚的知识

    传统的web应用(LAMP、JavaEE、NODE系等)与大数据什么关系?

    之前一直以为大数据的东西就是来取代传统的Web应用的,其实并不是这样;即使是大数据的架构,应用层依然会是传统的web应用,但是会根据数据特点对数据存储(结构化数据依然会保存在传统的关系型数据库——如MySql,日志等非结构数据会保存在分布式文件系统——如Hadoop的HDFS)。

    大数据的东西不是取代传统的web应用,而是对web应用的增强。基于分布式存储和分布式计算,以前单机或者小规模集群无法解决的问题,使用了大数据技术之后就可以解决了,比如日志等数据当数据量非常大的时候(TB甚至PB),对这些数据的分析在传统架构上是不可能或者是非常慢的,使用了大数据技术之后就是可能的了——主要是将数据处理通过MapReduce等拆分到不同的节点(电脑)上执行,然后将节点上的结果合并,最后生成分析结果。

    云计算和大数据

     

    现在几乎所有的公司都把自己的产品吹成“云”...但是真的都是“云”么?其实很多都是传统的web应用部署到阿里云这些第三方云平台吧;还有一部分有自己服务器(一般配置),然后搞个公网ip,部署上去也说自己是“云”。

    Hadoop结构(更新)

     

    下面的内容是在看视频之前写的,作为一些参考吧。

    学习历程

    了解Hadoop生态系统,了解一下生态系统中各模块的作用,文章后面对各模块有一些简单的总结

    HDFS

    YARN

    HBase

    MapReduce

    Hive

    Pig

    Mahout

    Zookeeper

    Sqoop

    Flume

    Kafka等

    了解Spark,了解Spark比MapReduce的优势,学习RDD编程

    Spark SQL

    Spark Streaming

    Spark Mlib

    ...

    找两台电脑搭个Hadoop、Spark集群,配置Spark开发环境(SBT),运行一些demo例程,典型如WordCount

    研究一下MapReduce的WordCount和Spark的WorkCount的代码,通过对比加深理解

    参考如下案例,了解大数据应用,熟悉HBase,Hive,Sqoop等

     

    HBase

    HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库,是谷歌BigTable的开源实现,主要用来存储非结构化和半结构化的松散数据。HBase的目标是处理非常庞大的表,可以通过水平扩展的方式,利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表

    HBase可以直接使用本地文件系统或者Hadoop作为数据存储方式,不过为了提高数据可靠性和系统的健壮性,发挥HBase处理大数据量等功能,需要使用Hadoop作为文件系统。与Hadoop一样,HBase目标主要依靠横向扩展,通过不断增加廉价的商用服务器来增加计算和存储能力。

    HIVE

    Hive是一个构建于Hadoop顶层的数据仓库工具,由Facebook公司开发,并在2008年8月开源。Hive在某种程度上可以看作是用户编程接口,其本身并不存储和处理数据,而是依赖HDFS来存储数据,依赖MapReduce来处理数据。Hive定义了简单的类似SQL的查询语言——HiveQL,它与大部分SQL语法兼容,但是,并不完全支持SQL标准,比如,HiveSQL不支持更新操作,也不支持索引和事务,它的子查询和连接操作也存在很多局限。

    HiveQL语句可以快速实现简单的MapReduce任务,这样用户通过编写的HiveQL语句就可以运行MapReduce任务,不必编写复杂的MapReduce应用程序。对于Java开发工程师而言,就不必花费大量精力在记忆常见的数据运算与底层的MapReduce Java API的对应关系上;对于DBA来说,可以很容易把原来构建在关系数据库上的数据仓库应用程序移植到Hadoop平台上。所以说,Hive是一个可以有效、合理、直观地组织和使用数据的分析工具。

    Impala

    Hive 作为现有比较流行的数据仓库分析工具之一,得到了广泛的应用,但是由于Hive采用MapReduce 来完成批量数据处理,因此,实时性不好,查询延迟较高。Impala 作为新一代开源大数据分析引擎,支持实时计算,它提供了与Hive 类似的功能,并在性能上比Hive高出3~30 倍。Impala 发展势头迅猛,甚至有可能会超过Hive 的使用率而成为Hadoop 上最流行的实时计算平台。

    Hive 与Impala 的不同点总结如下:

    第一,Hive 比较适合进行长时间的批处理查询分析,而Impala 适合进行实时交互式SQL 查询。

    第二,Hive 依赖于MapReduce 计算框架,执行计划组合成管道型的MapReduce 任务模式进行执行,而Impala 则把执行计划表现为一棵完整的执行计划树,可以更自然地分发执行计划到各个Impalad执行查询。

    第三,Hive在执行过程中,如果内存放不下所有数据,则会使用外存,以保证查询能顺序执行完成,而Impala在遇到内存放不下数据时,不会利用外存,所以,Impala目前处理查询时会受到一定的限制。

    Hive与Impala的相同点总结如下:

    第一,Hive与Impala使用相同的存储数据池,都支持把数据存储于HDFS和HBase中,其中,HDFS支持存储TEXT、RCFILE、PARQUET、AVRO、ETC等格式的数据,HBase存储表中记录。

    第二,Hive与Impala使用相同的元数据。

    第三,Hive与Impala中对SQL的解释处理比较相似,都是通过词法分析生成执行计划。

    总的来说,Impala的目的不在于替换现有的MapReduce工具,把Hive与Impala配合使用效果最佳,可以先使用Hive进行数据转换处理,之后再使用Impala在Hive处理后的结果数据集上进行快速的数据分析。

    PIG

    Pig 是Hadoop 生态系统的一个组件,提供了类似SQL 的Pig Latin 语言(包含Filter、GroupBy、Join、OrderBy 等操作,同时也支持用户自定义函数),允许用户通过编写简单的脚本来实现复杂的数据分析,而不需要编写复杂的MapReduce 应用程序,Pig 会自动把用户编写的脚本转换成MapReduce 作业在Hadoop 集群上运行,而且具备对生成的MapReduce程序进行自动优化的功能,所以,用户在编写Pig 程序的时候,不需要关心程序的运行效率,这就大大减少了用户编程时间。因此,通过配合使用Pig 和Hadoop,在处理海量数据时就可以实现事半功倍的效果,比使用Java、C++等语言编写MapReduce 程序的难度要小很多,并且用更少的代码量实现了相同的数据处理分析功能。Pig 可以加载数据、表达转换数据以及存储最终结果,因此,在企业实际应用中,Pig通常用于ETL(Extraction、Transformation、Loading)过程,即来自各个不同数据源的数据被收集过来以后,采用Pig 进行统一加工处理,然后加载到数据仓库Hive 中,由Hive 实现对海量数据的分析。需要特别指出的是,每种数据分析工具都有一定的局限性,Pig 的设计和MapReduce 一样,都是面向批处理的,因此,Pig 并不适合所有的数据处理任务,特别是当需要查询大数据集中的一小部分数据时,Pig 仍然需要对整个或绝大部分数据集进行扫描,因此,实现性能不会很好。

    Tez

    Tez 是Apache 开源的支持DAG 作业的计算框架,通过DAG 作业的方式运行MapReduce 作业,提供了程序运行的整体处理逻辑,就可以去除工作流当中多余的Map 阶段,减少不必要的操作,提升数据处理的性能。Hortonworks把Tez 应用到数据仓库Hive 的优化中,使得性能提升了约100 倍。如图15-13 所示,可以让Tez 框架运行在YARN 框架之上,然后让MapReduce、Pig 和Hive 等计算框架运行在Tez框架之上,从而借助于Tez 框架实现对MapReduce、Pig 和Hive 等的性能优化,更好地解决现有MapReduce 框架在迭代计算(如PageRank 计算)和交互式计算方面存在的问题。

    Tez在解决Hive、Pig延迟大、性能低等问题的思路,是和那些支持实时交互式查询分析的产品(如Impala、Dremel和Drill等)是不同的。Impala、Dremel和Drill的解决问题思路是抛弃MapReduce计算框架,不再将类似SQL语句的HiveQL或者Pig语句翻译成MapReduce程序,而是采用与商用并行关系数据库类似的分布式查询引擎,可以直接从HDFS或者HBase中用SQL语句查询数据,而不需要把SQL语句转化成MapReduce任务来执行,从而大大降低了延迟,很好地满足了实时查询的要求。但是,Tez则不同,比如,针对Hive数据仓库进行优化的“Tez+Hive”解决方案,仍采用MapReduce计算框架,但是对DAG的作业依赖关系进行了裁剪,并将多个小作业合并成一个大作业,这样,不仅计算量减少了,而且写HDFS次数也会大大减少。

    Kafka

    Kafka是由LinkedIn公司开发的一种高吞吐量的分布式发布订阅消息系统,用户通过Kafka系统可以发布大量的消息,同时也能实时订阅消费消息。

    在大数据时代涌现的新的日志收集处理系统(Flume、Scribe等)往往更擅长批量离线处理,而不能较好地支持实时在线处理。相对而言,Kafka可以同时满足在线实时处理和批量离线处理。

    Kafka设计的初衷是构建一个可以处理海量日志、用户行为和网站运营统计等的数据处理框架

    最近几年,Kafka在大数据生态系统中开始扮演越来越重要的作用,在Uber、Twitter、Netflix、LinkedIn、Yahoo、Cisco、Goldman Sachs等公司得到了大量的应用。目前,在很多公司的大数据平台中,Kafka通常扮演数据交换枢纽的角色。

    在公司的大数据生态系统中,可以把Kafka作为数据交换枢纽,不同类型的分布式系统(关系数据库、NoSQL数据库、流处理系统、批处理系统等),可以统一接入到Kafka,实现和Hadoop各个组件之间的不同类型数据的实时高效交换,较好地满足各种企业应用需求。

    Sqoop

    Sqoop是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递,可以将一个关系型数据库(例如 : MySQL ,Oracle ,Postgres等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。
    大数据学习QQ群119599574

    展开全文
  • 大数据教程,大数据学习线路图

    千次阅读 多人点赞 2018-09-21 15:51:19
    很多人还没搞清楚什么是PC互联网,移动互联网来了,我们还没搞清楚移动互联的时候,大数据时代又来了。 马云 深度解析大数据大数据”是近年来IT行业的热词,并广泛的应用在各行各业。特别是近年来随着社交网络...
  • 推荐一个大数据学习群 119599574晚上20:10都有一节【免费的】大数据直播课程,专注大数据分析方法,大数据编程,大数据仓库,大数据案例,人工智能,数据挖掘都是纯干货分享, 21世纪前十年则为成熟期,主要...
  • 最详细的大数据学习路线图

    千次阅读 多人点赞 2018-09-19 17:36:20
    一、入门准备 1、linux操作基础 Linux的介绍,Linux的安装:VMware Workstation虚拟软件安装过程、CentOS虚拟机安装过程 Linux的常用命令:常用命令的介绍、常用命令的使用和练习(文件操作、用户管理与权限、免密...
  • 很多初学者在萌生向大数据方向发展的想法之后,不免产生一些疑问,应该怎样入门?应该学习哪些技术?学习路线又是什么? 所有萌生入行的想法与想要学习Java的同学的初衷是一样的。岗位非常火,就业薪资比较高,,前景...
  • 大数据学习路线图

    万次阅读 多人点赞 2018-04-17 10:59:17
    一、入门准备 1、linux操作基础 1) Linux的介绍,Linux的安装:VMware Workstation虚拟软件安装过程、CentOS虚拟机安装过程 2) Linux的常用命令:常用命令的介绍、常用命令的使用和练习(文件操作、用户管理与权限...
  • 5个学习大数据的正确方法

    千次阅读 2019-01-21 18:12:24
    第一步当然是询问“我怎么学习数据科学”,这个问题的答案往往是一长串的课程和书籍阅读,从线性代数到统计数据,这几年我也是这样学习过来的。我没有编程背景,但我知道我喜欢处理数据。 ...
  • 大数据课程(10G)全套学习视频免费分享

    万次阅读 热门讨论 2019-09-29 14:26:30
    对比了很多网上的大数据学习视频,传智全套学习课程讲的非常生动有意思,并且附加了面试培训,再相比其它动辄上万的培训学费,传智的性价比不要太高 5G已经到来,大数据开发前景光明,奉上学习资料,转行大数据开发...
  • 大数据系列全套学习路线图

    万次阅读 2020-04-03 18:55:51
    大数据Hadoop系列之Hadoop分布式集群部署 大数据Hadoop系列之Hadoop机架感知配置 大数据Hadoop系列之HDFS命令讲解 大数据Hadoop系列之Hadoop服务开机自启动配置 大数据Hadoop系列之Hadoop Web控制台添加身份验证...
  • 大数据可以考哪些证书?

    万次阅读 2019-09-06 21:59:38
    随着国家政策的支持,大数据产业不断发展,落地应用于各行各业,大数据人才需求与日俱增,大数据认证的数量也在不断增加,这些资格来自供应商、教育机构、独立或行业机构。大数据领域包括:大数据系统管理、Hadoop、...
  • 阿里云机器学习算法应用实践

    万人学习 2019-06-24 13:33:34
    人工智能的商业化应用是下一个风口,阿里云在机器学习算法方面有许多沉淀。本次分享首先是介绍阿里云机器学习PAI,接着会在上面搭建真实的案例,包括心脏病预测、新闻分类等场景。
  • 大数据到底是什么意思?

    万次阅读 2019-01-07 10:28:44
    首先来说一下什么是大数据,上世纪90年代末,美国航空航天局的研究人员创造了大数据一词,自诞生以来,它一直是一个模糊而诱人的概念,直到最近几年,才跃升为一个主流词汇。其实简单的来说,大数据就是通过分析和...
  • 大数据环境下的关联规则挖掘

    万人学习 2019-07-01 10:35:23
    大数据集环境下的关联规则发现日益受到重视,如何在大数据环境下进行数据分析和数据挖掘成为了企业要面对的首要难题!本次课程将讲解大数据环境下关联规则挖掘面临的挑战以及应用实践。
  • BDTC2015大会精彩演讲PPT集锦

    万人学习 2019-06-21 09:54:56
    中国大数据技术大会(Big Data Technology Conference,BDTC)是目前国内具影响、规模大的大数据领域的技术盛会。大会的前身是Hadoop中国云计算大会(Hadoop in China,HiC)。从2007年仅60人参加的技术沙龙到当下数...
  • 学习大数据需要Java基础吗?

    千次阅读 2018-06-16 11:24:30
    推荐一个大数据学习群 119599574晚上20:10都有一节【免费的】大数据直播课程,专注大数据分析方法,大数据编程,大数据仓库,大数据案例,人工智能,数据挖掘都是纯干货分享,你愿意来学习吗?如果要学习大数据,不管...
  • 统计机器学习入门——重抽样方法

    千人学习 2019-06-24 13:27:14
    "统计机器学习入门——老司机带你读经典"系列课程使用经典的ISLR(An Introduction to Statistical Learning with Applications in R)为教材,结合具体案例,介绍统计学习的基本概念和常用算法。
  • 如果大家对于学习大数据有任何问题,学习方法,学习路线,如何学习有效率的问题,可以随时来咨询我,或者缺少系统学习资料的,我做这行年头比较久,自认为还是比较有经验的,可以帮助大家提出建设性建议,下面是我的...
1 2 3 4 5 ... 20
收藏数 239,808
精华内容 95,923
关键字:

大数据学习