当你学会抄菜的时候，你就学会了大数据

  最近在学习数仓跟BI，突然发现，结合自己所学会抄的菜。试着把学过的大数据重新理解一番，希望各位都能来一起讨论，共同进步。



走进厨房
  走进厨房后，相信大家会看到各种锅碗瓢盆，案板，切菜刀，调料，橱柜，水池...........而这些就相当于是大数据的架构。

  其中橱柜，相当于是Hadoop。橱柜可以储存各种食材，而Hadoop可以存储各种不同类的数据（结构化与非结构化）。而橱柜可以存放不同食材，比如不规整的豆腐块，大冬瓜，土豆....还有一些规整的食材，比如大米，小米，绿豆........规整的食材与不规整的食材的区别，各家有各家不同的规定，而一般的规定就是规格的食材要用袋子把它们装起来。这里就相当于是大数据里的数据整理流程。而这些半规整的食材要放到一个个小袋子里，比如说，淀粉,姜粉，蒜泥.....用袋子或者盒子把它们装好，放在相应橱柜的地方，就相当于我们大数据里说的ETL（抽取，封装，加载），以备后用。
  而不同厂家的橱柜又会有不同的格子划分及存储区，比如：欧派，宜家的橱柜就会划分出很多小的分区来装不同的东西。而这一块就相当于HBase,灶台下边有专门用于凉碗的，还有抽油烟机旁边专门用于放刀具的区域，还有专门用于放各种锅的区域。而当HBase划分的好的时候，就对上层的MapReduce有很大的帮助，因为你各个区域规划的越好，当你开始抄菜的时候，取用各种餐具的时候就会更加的得心用手。
  至于上边的Mahout,Pig,Hive就相当于你如何在橱柜中找到你相应的食材的过程，比如说，你要抄西红柿鸡蛋，你要找鸡蛋跟西红柿...........再往上走就是一个对厨房的整体管理了。你做过的哪些菜，或者你想按照某个食谱来做菜，你就要有一个本子写上你每次做菜的步骤，这个就相当于是FlumeL,而Sqoop就相当于萝卜擦，你想吃萝卜丝，你就要用工具把萝卜切成丝才可以，这里，用刀具可以，用萝卜擦会更高效。
  再来说说Zookeeper吧！它就相当于把你经常用的几项工具放到离你做菜最近的一个橱柜中。方便管理这些工具。




  好了，说完了Hadoop,再来说一说Spark.它跟橱柜的唯一不同就是：橱柜是给你全部安装固定好了的，而Spark这种橱柜是可以移动的橱柜，同时对于你经常用的工具，可以进行优先排序。让你更快的对食材进行加工。刚开始，你做完一道菜，要半个小时多，而当你熟练之后，加之Spark移动橱柜+优先推送食材（内存计算+可迭代算法），你可以在5分钟内就做完这道菜。


加工食材


  实际上，我们食材的储存过程就相当于是一个数仓的建立过程，而在一个数仓的建立过程中。最重要的莫过于区分不同维度。比如在大数据里的Key+Value,Big list,实际上都是提供一种基于可扩展的列值存储。而在数据可视化中，数据多维分维里，也是强调数据的不同维度的区分。这里我们就以食材的区分为例来说明。
  首先，厨房里的食材维度可以大致分析：蔬菜维度，禽肉维度，米面维度............不同的维度决定了你对食物的理解程度，比如：你可以把糯米放在米面维度，也可以放在糕点维度。所以数据的不同维度也取决于你对食材的功能及使用场景。再比如：把你香茹切的很小，晒干，然后碾成粉，要这些香茹粉就会从蔬菜维度进入到调料维度。
  当我们明白了食材维度的这个概念之后，我们就要开始我们的加工了。是先抄，还是先炸，还是先热水汤一下，都是对食材的一种加工。这里就相当于对初始数据进行相应的整形。由于要用到不同的厨具，就涉及到前边讲的走进厨房的细节的。在大数据里，可以用不同的组件对原始数据进行处理。而在厨房，可以用不同的厨具对食材进行处理。比如：蒸馒头，可以用抄锅来蒸，同时可以用钢精锅来蒸。虽然都能达到能吃的地步。但是所用的时间及口感不同。这些也就相当于大数据里各种不同组件之间的动行效果。


  最后，先感谢下我现在的公司，每个月不定期给我们发菜，同时也感谢下老婆，教会了我抄各种菜。最后，附一张我抄好的菜吧（先给它起一个响亮的名字：乱棍打死猪八戒！ ）！敬请期待下一次的技术普及课：如何上菜？数据可视化流程