大数据工程师有哪些技术要求?
855次观看1、数据采集技术数据采集主要通过Web、应用、传感器等方式获得各种类型的结构化、半结构化及非结构化数据,难点在于采集量大且数据类型繁多。采集网络数据可以通过网络爬虫或API的方式来获取。对于系统管理员来说,系统日志对于管理有重要的意义,很多互联网企业都有自己的海量数据收集工具,用于系统日志的收集,能满足每秒数百MB的日志数据采集和传输需求,如Hadoop的Chukwa、Flume,Facebook的Scribe等。
2、数据预处理技术大数据的预处理包括对数据的抽取和清洗等方面,数据抽取过程可以将数据转化为单一的或者便于处理的数据结构(常用的数据抽取工具infa)。数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序,可以将数据集中的残缺数据、错误数据和重复数据筛选出来并丢弃。
3、大数据存储和管理技术实现对结构化、半结构化、非结构化海量数据的存储与管理,可以综合利用分布式文件系统、数据仓库、关系型数据库、非关系型数据库等技术。
4、大数据计算引擎批处理模式:一堆数据一起做批量处理,不能满足实时性要求,如MapReduce,Spark。流计算:针对流数据(日志流、用户点击流)的实时计算,需要实时处理。只能用流计算框架做,流计算代表产品:S4+Storm+Flume。图计算:MapReduce也能处理,但效率不高。代表软件:Google Pregel。查询分析计算:交互式查询,要求实时性高。代表产品:Google Dremel、Hive、Cassandra、Impala。
©本文版权归环球青藤所有,任何形式转载请联系我们。