大数据划重点，你必须掌握的三大关键技能

因为数据时代全面来临，大数据、人工智能等技术引领科技创新潮流，获得国家政策大力支持，前景广阔。

值得注意的是，学习大数据虽然是一个趋势，大数据的三个关键技术是一定要掌握的！

Hadoop生态体系 

Hadoop 是一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。

Hadoop “栈”由多个组件组成。包括：

1、Hadoop分布式文件系统（HDFS）：所有Hadoop集群的默认存储层

2、 名称节点：在Hadoop集群中，提供数据存储位置以及节点失效信息的节点。

3、 二级节点：名称节点的备份，它会定期复制和存储名称节点的数据，以防名称节点失效。

4、 作业跟踪器：Hadoop集群中发起和协调MapReduce作业或数据处理任务的节点。

5、 从节点：Hadoop集群的普通节点，从节点存储数据并且从作业跟踪器那里获取数据处理指令。

Spark生态体系

Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。

Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

Storm实时开发 

Storm是一个免费并开源的分布式实时计算系统。利用Storm可以很容易做到可靠地处理无限的数据流，像Hadoop批量处理大数据一样，Storm可以实时处理数据。Storm简单，可以使用任何编程语言。

Storm有如下特点：

1、编程简单：开发人员只需要关注应用逻辑，而且跟Hadoop类似，Storm提供的编程原语也很简单

2、高性能，低延迟：可以应用于广告搜索引擎这种要求对广告主的操作进行实时响应的场景。

3、分布式：可以轻松应对数据量大，单机搞不定的场景

4、可扩展： 随着业务发展，数据量和计算量越来越大，系统可水平扩展

5、容错：单个节点挂了不影响应用

6、消息不丢失：保证消息处理

时代不断进步，技术不断发展，想要成为大数据工程师就要不断的学习新技术，把握技术的发展潮流！