巨匠電腦分享 – 9個必殺絕技殺進Big Data市場

巨匠電腦 / CHU

1507081422300.jpg
科技日新月異,大數據被越來越多人應用,而要在這個大數據時代中求生存,巨匠電腦分享你一定要學的關於大數據的九個必殺技。

拜網路普及與科技進步之賜,大數據(Big Data)的熱潮越燒越烈,許多處理資料分析與管理的技術因應而出,迎來了巨量資料的時代。要能在這大數據市場中殺出一條血路,以下這 9 個必殺絕技你一定要學起來。

1) Apache Hadoop 黃色小象幫手

在上一篇文章《認識大數據的黃色小象幫手 –– Hadoop》裡介紹了 Hadoop 的兩大核心功能 —— 儲存(Store)及處理(Process)資料所用到的分散式檔案系統 HDFS 跟 MapReduce 平行運算架構。

基於 Hadoop 處理巨量資料的種種優勢,像是解決了檔案存放、系統擴張、資料處理及備份等問題,因此 Hadoop 被廣泛應用於大數據儲存和大數據分析,成為大數據的主流技術。

在近幾年內,叢集運算(clusters)在商用性與非商用性的領域也越來越普遍且應用的相當廣泛,2014 年無庸置疑成為了 Hadoop 的豐收年,對於 Hadoop 生態系例如 Flume, Oozie, Hive, Pig, HBase, YARN 等技能的市場需求也逐漸提高。

2) 大數據黑馬:Apache Spark

如果 Hadoop 是大數據市場裡的老大哥,那 Spark 則是具有超凡潛力的一匹黑馬!

Spark 是一個用途廣泛的叢集運算引擎,簡單來說就是一個能讓原本使用 Hadoop 來處理及分析資料的系統快 10 到 100 倍的好工具。

由於 Hadoop 分析資料時需要將中間產生的數據存在硬碟中,因此會有讀寫資料的延遲問題;有別於 Hadoop 的 MapReduce 架構,Spark 使用了「記憶體內運算技術(In-Memory Computing)」,能在資料尚未寫入硬碟時,就在記憶體內進行分析運算,號稱比原先的 Hadoop 快 100 倍。

去年在資料排序基準競賽(Sort Benchmark Competition)中,Spark 用 23 分鐘完成 100 TB 的資料排序,刷新了原本由 Hadoop 保持的 72 分鐘世界記錄。

3) 不只是 SQL:NoSQL

最近幾年網路上的資料量開始快速大量成長、資料量與日遽增,為了解決資料庫在進行大量資料存取時,所衍生出效能、擴充、維護等問題,近年來業界紛紛捨棄了以結構化查詢語言(SQL)為基礎的關聯式資料庫管理系統(RDBMS),改以 NoSQL 資料庫來提升效能與擴充彈性。

NoSQL 最早是指「No SQL」,號稱不使用 SQL 作為查詢語言的資料庫系統。但近來則普遍將 NoSQL 視為「Not Only SQL」,也就是「不只是 SQL」的意思,希望結合 SQL 優點並混用關聯式資料庫和 NoSQL 資料庫來達成最佳的儲存效果。

在巨量資料所帶動的潮流下,各種不同形態的NoSQL資料庫如雨後春筍般竄起,其中 MongoDB 是眾多 NoSQL 資料庫軟體中較為人熟知的一種。

4) 機器學習與資料探勘超夯!

在巨量資料中如何摸索出資料所要表達的意涵、提煉出「數據精華」是非常重要的課題,於是「機器學習(Machine Learning)」與「資料探勘(Data Mining)」成為了大數據時代中的重點領域。

機器學習可以從過去收集的資料與經驗中,萃取出感興趣的部份,構造出模型(Model)和規律(Pattern)當作我們參考的基準,對未來進行預測。應用機器學習的方法處理大量資料庫的數據則稱為「資料探勘」(Data Mining),顧名思義,就好比在地球上從一堆粗糙的石頭中進行地物探勘、尋找有價值的礦脈,資料探勘就是從巨量資料中提取出未知的、有價值的潛在資訊。

機器學習跟資料探勘到底有多夯?LinkedIn 之前發表的 2014 年「最熱門工作技能」排行榜,資料探勘(Data mining)榮登排行榜第一名這樣夯。

5) 統計及量化分析

大數據時代,統計與資料分析是根本中的根本,數學跟統計學則是基礎中的基礎。數據專家(Data Scientist)或量化分析師 (Quantitative Analyst)的專業包含了統計學、電腦科學和數學,過去這些人才都搶著要進華爾街工作,但多虧了 Big Data 帶來的風潮,現在各行各業都在尋找擁有量化分析、統計學背景的工程師、數據專家。

如果數學是你的拿手強項,基本上你已經贏在起跑點了,接下來再學習市面上的一些資料分析軟體及程式語言,像是 R、SAS、Matlab、SPSS、Stata 等,具備了以上技能,相信要進大數據一行不成問題。

6) 結構化查詢語言 SQL

結構化查詢語言(Structured Query Language),簡稱 SQL,是專門用於關連式資料庫的一種查詢語言,可以用來定義資料庫結構、建立表格、指定欄位型態與長度,也能新增、異動或查詢資料。簡單來說,SQL 是一種用來從資料庫讀取與儲存資料的電腦語言。

SQL 歷經了四十多年的考驗仍然在蓬勃發展,雖然 NoSQL (上述第三點)的出現帶來了一些影響,但 SQL 仍然主導着市場,並在大數據領域贏得了很多投資與廣泛部屬。像是 Cloudera 推出了即時查詢開源工具 Impala –– 一款用來跑在 Hadoop 架構上的互動 SQL 查詢引擎,在這些工具發展下 SQL 在大數據領域中更是歷久不衰。

7) 看圖說故事:資料視覺化

大數據的重要性與日俱增,不少企業如電子商務、零售業及半導體製造業等,開始廣泛運用巨量資料為公司擬定企業策略,不過並不是人人都是數據專家、資料科學家,如果要讓主管跟客戶們清楚了解資料背後的意義,那倒不如讓他們「一目了然」。

資料視覺化(Data Visualization)是關於數據之視覺表現形式的研究,資料視覺化的技術可以幫助不同背景的工程人員溝通、理解,以達良好的設計與分析結果。市面上已經有許多工具、軟體為人們提供這方面的需求,像是Tableau、QlikView 等工具就擁有絕佳的視覺化呈現效果,可以不限資料量、資料形式或主題,透過圖像化和便捷的操作介面製作出客製化報表,無需撰寫程式就能得到分析結果。

8) 基本程式開發能力

市場分析機構 Wanted Analytics 公佈的數據中,具有數據分析背景的電腦程式開發人員職位正在逐年增加中,2014 年最後四個月就增加了 2000 個相關的新職缺,比起 2013 年同期多出了 337%!

因此,基本程式開發能力也是在這大數據市場中生存的必要條件之一,在資料科學界裡,Java、C、Python、Scala 都是十分受歡迎的程式語言。

9) 創造力和問題解決能力

巨量資料的型態及發展會不斷的演化,無論你的程式開發能力有多好、精通多少項資料分析工具,要在大數據時代中活得好、長得壯,創造力(Creativity)和解決問題能力(Problem Solving)的重要性不可忽視,更是以上提到的工具跟技術都無法取代的必殺技!

巨匠電腦掌握了大數據的趨勢,設計了程式/資料庫的課程,除了九個必殺技外,還有基本大數據的分析與操作,來巨匠電腦能讓你更快學會大數據,掌握時代趨勢!

文章與圖片出處: http://goo.gl/bY5mPk
圖片出處: https://goo.gl/0emYrd
想要學: 程式/資料庫課程