在邯郸学习大数据去哪里好

　  什么是大数据?

　　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(较少也是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，该如何通过运算转化成一致的格式，该如何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程序的较佳语言，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。