图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1iF411z7Pu
×
Kettle与BI工具
Kettle作为一个端对端的数据集成平台,其部分特色功能包括:无代码拖拽式构建数据管道、多数据源对接、数据管道可视化、模板化开发数据管道、可视化计划任务、深度Hadoop支持、数据任务下压Spark集群、数据挖掘与机器学习支持。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1CT4y157KE?p=24
×
Python与数据库交互
实际的生产任务中,数据几乎全部存在与数据库中,因此,与数据库的交互成为一件难以避免的事情。想要在Python代码中和MySQL数据库进行交互,需要借助一个第三方的模块“Pymysql”
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1BP4y1E7WY
第二阶段:大数据核心基础
×
Linux
Linux 作为操作系统,本身是为了管理内存,调度进程,处理网络协议栈等等。
而大数据的发展是基于开源软件的平台,大数据的分布式集群( Hadoop,Spark )都是搭建在多台 Linux 系统上,对集群的执行命令都是在 Linux 终端窗口输入的。
据Linux基金会的研究,86%的企业已经使用Linux操作系统进行大数据平台的构建。Linux占据优势。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1CU4y1N7Sh?p=6
×
Hadoop基础
Hadoop是一个能够对大量数据进行分布式处理的软件框架。Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。
它很擅长存储大量的半结构化的数据集。也非常擅长分布式计算——快速地跨多台机器处理大型数据集合。
Hadoop的框架核心的设计就是:HDFS和MapReduce.HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。
MapReduce和Hadoop是相互独立的,实际上又能相互配合工作得很好。MapReduce是处理大量半结构化数据集合的编程模型。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1CU4y1N7Sh?p=18
×
大数据开发Hive基础
Hive是基于Hadoop的一个数据仓库工具,用来进行数据提取、转化、加载,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。
hive数据仓库工具能将结构化的数据文件映射为一张数据库表,并提供SQL查询功能,能将SQL语句转变成MapReduce任务来执行。
Hive的优点是学习成本低,可以通过类似SQL语句实现快速MapReduce统计,使MapReduce变得更加简单,而不必开发专门的MapReduce应用程序。Hive十分适合对数据仓库进行统计分析。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1CU4y1N7Sh?p=51
第三阶段:千亿级数仓技术
×
企业级在线教育项目实战
Hive数仓项目完整流程,以真实项目为驱动,学习离线数仓技术。
建立集团数据仓库,统一集团数据中心,把分散的业务数据集中存储和处理 ;从需求调研、设计、版本控制、研发、测试到落地上线,涵盖了项目的完整工序 ;挖掘分析海量用户行为数据,定制多维数据集合,形成数据集市,供各个场景主题使用。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1ef4y1B7KX
第四阶段:PB内存计算
×
Python编程基础+进阶
Python是基于ABC语言的发展来的,Python语法和动态类型,以及解释型语言的本质,使它成为多数平台上写脚本和快速开发应用的编程语言, 随着版本的不断更新和语言新功能的添加,逐渐被用于独立的、大型项目的开发。
Python 语言的语法非常简洁明了,即便是非软件专业的初学者,也很容易上手。
和其它编程语言相比,实现同一个功能,Python 语言的实现代码往往是最短的。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1o4411M71o
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1Ex411x7Xn
×
Spark技术栈
Spark是大数据体系的明星产品,是一款高性能的分布式内存迭代计算框架,可以处理海量规模的数据。
Spark,拥有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,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1Jq4y1z7VP
×
大数据Flink技术栈
Flink核心是一个流式的数据流执行引擎,其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎,Flink提供了诸多更高抽象层的API以便用户编写分布式任务。
Flink也可以方便地和Hadoop生态圈中其他项目集成,例如Flink可以读取存储在HDFS或HBase中的静态数据,以Kafka作为流式的数据源,直接重用MapReduce或Storm代码,或是通过YARN申请集群资源等。
图片
b站直达
图片
b站传送门:https://www.bilibili.com/video/BV1xe411W7vx
×