从零开始大数据 1

探险大数据的世界，从零开始！🚀 一起揭开数据的神秘面纱，学习大数据的奇妙之旅，发现数据背后的故事。让我们用好奇心和学习的火花，开启大数据领域的冒险征程吧！💡📊 #大数据初学者 #数据冒险者#

从零踏上大数据学习之路？先来点攻略！🗺️

1. 掌握基础知识： 了解大数据的基本概念和术语，从Hadoop、Spark到NoSQL数据库，打好基础。

2. 实战练习： 通过项目实践，应用理论知识。搭建自己的小数据工程，亲身体验数据处理的全过程。

3. 学习编程语言： Python、Java等是大数据处理的得力工具，学习一门编程语言为你在大数据领域开疆辟土。

4. 深入学习工具和框架： Spark、Hive、HBase等工具是大数据处理的黄金标配，深入了解它们的使用方法。

5. 参与社区与网络课程： 通过加入大数据社区，参与讨论，向经验丰富的人请教。此外，有很多在线课程可以帮你系统地学习大数据知识。

6. 阅读经典书籍： 《Hadoop权威指南》、《Spark快速大数据分析》等书籍是学习的好帮手，能够深入理解大数据技术的本质。

7. 保持好奇心： 大数据领域日新月异，时刻保持学习的好奇心，关注最新技术动态，不断提升自己。

愿你在大数据的海洋中航行顺风，发现属于你的数据宝藏！🚢💻 

什么叫大数据

一切能够被计算机识别的东西都是数据：
  文字(英文字母，汉字，特殊的符号)
  音频数据、视频数据、文档、地理虚拟数据。

当你的数据量达到一定的程度，使用常规的处理方式已经满足不了需求，必须使用使用新的数据处理技术，这种处理模式就是大数据处理。

常规方式：计算器、excel，普通数据库
新的处理模式： 分布式存储，分布式计算，分布式数据库 ，集群方案 ，数据治理，数据中台，数据湖。

数据的体量

在我们以后的工作中使用的数据体量

1、传统的非互联网公司数据量： GB 和  TB级别
2、互联网公司/顶级大厂数据量：TB / PB级别

大数据要解决的问题以及特点

大数据需要解决的问题

1:海量数据的存储: HDFS、HBase、Doris、Kudu，Kafka
2:海量数据的计算: MapReduce、Spark、Flink
3:海量数据的迁移问题：Sqoop / Datax /Kettle

大数据的特点：四个字概括    大 多 值 信

大：数据体量大，TB/PB
多：数据源的数据类型多样化，结构化/非结构化数据，音频数据，视频数据
值：大数据的数据价值密度很低，需要你有快速的数据价值提纯能力
信：大数据处理必须保证数据质量是可靠的，也就是要对数据做治理

那么文章到此截止，不足之处请各位大佬多多指教

愿你在大数据的海洋中航行顺风，发现属于你的数据宝藏！🚢💻