专栏首页一名叫大蕉的程序员憋瞎说,大数据不是你想的那样 No.114

憋瞎说,大数据不是你想的那样 No.114

学生党以及很多没设计过大数据开发的小伙伴呢,都对大数据这么一个领域感到非常非常的好奇非常非常的神秘,我今天就非要戳穿给你们看。

1、对,我们做大数据的也写普通的 Java 代码,写普通的 SQL。

比如 Java API版的 Spark 程序,长得跟 Java8 的Stream API 一样一样的。

JavaRDD<String> lines = sc.textFile("data.txt");
JavaRDD<Integer> lineLengths = lines.map(s -> s.length());
int totalLength = lineLengths.reduce((a, b) -> a + b);

再比如,删除一个 Hive 表。

DROP TABLE pokes;

2、对,Hadoop 、Spark 、Hive 的启动和机器运维都跟一个普通的 Java 应用和数据库没什么区别。

比如启动hdfs

bash ./start-dfs.sh

比如启动yarn

bash ./start-yarn.sh

比如启动hive

bash ./hive

完事了,有啥神秘的????不就是配一堆所有系统都有的配置吗?

3、对不起,没有一门叫数据仓库的技术。

数据仓库是一个集结了某个范围内所有经过清洗的统一的数据存储、分析的地点,并没有一门叫数据仓库的技术。

在实战中,我们一般会使用 Hive 来当数据仓库的载体,在没有大数据基础架构的公司也会使用各种传统 DB 来当数据仓库的载体,所以不要再说什么你要学习数据仓库 ok ? 要学 Hive 就说要学 Hive,要学数据治理就说要学数据治理。

4、对,我们大数据就是死写SQL的,但脑回路跟你们不一样

你们写 SQL 优先想功能,我们写SQL优先想这他妈能不能跑出来。

你们写 SQL 可以一直调一直调,我们写 SQL 要想好久才调一次,连机器是什么跑的都要想清楚。

你们写 SQL 压根不管数据分布,我们写 SQL 第一件事就是他妈不会数据倾斜吧?

你们写 SQL 用都能直接写,我们写 SQL 前要写一万个 SQL 做数据清洗。

5、对,10倍,100倍,100万倍 的数据增长我们就需要一直改方案,改改改。

你的 SQL 在10倍量下能跑,在100万倍下,你可能要付出非常久非常久的思考和努力才能基本跑出来,比如一个简单的去重统计。

你的SQL count(1) group by 一下就出来了。

我的如果写得跟你一样我估计这辈子都出不来结果了。

不解释了,大数据计数系列了解一下。

大数据计数原理1+0=1这你都不会算(十)No.77

6、Spark 很快,但 Spark 也很慢

Spark是纯内存计算,但Spark也是批量计算,其中存在的缺陷你们思考一下,对比一下 FLink 这类纯流式计算。

7、即使你有100T数据,你也不是在做大数据。

第一数据存储占用空间大不代表就是大数据,第二即使你数据量级够思维不对你也不是在做大数据。

8、大数据跟机器学习是一家,压根离不开

你可能永远也不会知道 分而治之,统计学,概率论 在这两个学科的统一性和重要性。

9、对不起,你别以为大数据只有 Hadoop,大数据技术栈广和深得你几乎不可想象。

你以为你学完了,完全不可"棱"。

先这样,不知道写啥了,以上。

本文分享自微信公众号 - 一名叫大蕉的程序员(DaBananaTalk)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-09-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Java程序员月薪达到三万,需要技术水平达到什么程度?(文末送书)

    最近跟朋友在一起聚会的时候,提了一个问题,说Java程序员如何能月薪达到三万,技术水平需要达到什么程度?人回答说这只能是大企业或者互联网企业工程师才能拿到。也许...

    程序猿DD
  • Protocol Buffer使用手册

    2)同时,如果1个.proto文件定义了多个具有不同依赖的message,会导致依赖膨胀;建议每个文件包含尽可能少的message。

    用户1396155
  • Java虚拟机内存管理(二)—堆的使用

    Java 虚拟机作为运行 Java 程序抽象出来的计算机,具有内存管理的能力,像内存分配、垃圾回收等这些相关的内存管理问题,Java 虚拟机都会帮我们解决,所以...

    Wizey
  • Java基础-抽象类和接口

    抽象类和接口也是 Java 面试中常考的,下面就来总结一下抽象类和接口的相关知识。

    Wizey
  • HDFS Federation(联邦)简介

    本文主要介绍HDFS Federation(联邦)相关知识,为后续文章《如何为CDH集群启用Federation(联邦)》做一个简单的铺垫。Federation...

    Fayson
  • Java虚拟机内存管理(四)—垃圾回收

    Java 虚拟机作为运行 Java 程序抽象出来的计算机,具有内存管理的能力,像内存分配、垃圾回收等这些相关的内存管理问题,Java 虚拟机都会帮我们解决,所以...

    Wizey
  • 初级Java程序员需要掌握哪些主流技术才能拿20K?

    傻呀,干嘛不使用全文检索工具lucene或者分布式搜索Elasticsearch来优化搜索服务。

    程序猿DD
  • Java虚拟机内存管理(一)—内存划分

    Java 虚拟机作为运行 Java 程序抽象出来的计算机,具有内存管理的能力,像内存分配、垃圾回收等这些相关的内存管理问题,Java 虚拟机都会帮我们解决,所以...

    Wizey
  • Java虚拟机内存管理(三)—内存异常

    Java 虚拟机作为运行 Java 程序抽象出来的计算机,具有内存管理的能力,像内存分配、垃圾回收等这些相关的内存管理问题,Java 虚拟机都会帮我们解决,所以...

    Wizey
  • 前端吐血推荐的必读书籍

    自古以来就有书中自有黄金屋,书中自有颜如玉。前阵子当当搞活动,买书满 200 减 100,但是很多同学给我留言让我推荐书籍,当时是真没空,现在有空了把我看过的一...

    桃翁

扫码关注云+社区

领取腾讯云代金券