犹记得，Spark在2013年才开始陆续传到国内，而再此之前，大数据领域可以说是Hadoop的天下。但是仅在一年多左右的时间，Spark就迅速成为了新一代的大数据框架的选择，光环甚至一度超过Hadoop，而关于Hadoop和Spark的争议，也一直没断过。比如说Spark是否依赖hadoop？关于Spark和Hadoop的关系，一开始似乎是处在天然的对立面，非此即彼，什么Hadoop已死，Spar

在大数据处理的流程环节当中，运维是重要的一环，而从事运维工作的工程师们，也需要专业的技能支撑。不同于传统的运维，大数据运维，因为涉及到云计算、虚拟化等技术，所以工作任务也更加复杂。今天的大数据开发学习分享，我们来讲解Hadoop系统运维。大数据时代的运维，涉及到大数据集群，比如说Hadoop，针对大规模的分布式集群，需要完成更复杂的运维工作。通常来说，Hadoop大数据系统运维，需要掌握至少三个方

大数据、人工智能、物联网，新兴的技术概念不断涌现，而每个新兴技术领域的背后，也将带来相关岗位机会的增加。在近几年的趋势当中，大数据和人工智能无疑都是风头正劲。那么转行大数据还是人工智能，哪个发展更好，今天我们就来具体聊一聊。要在大数据和人工智能之间做转行抉择，首先我们需要对各自的概念有更清楚的认知。大数据是什么？近年来，大数据不断的被神化和妖魔化，但回到本质：大数据其实就是指海量的、多维度、多形式

在大数据实时处理框架上，Spark和Flink都有着强大的数据处理能力，因此也就常常被人拿来做对比。Spark和Flink在处理数据上都能实现流式计算、实时分析，那么两者之间有何异同呢？下面我们来做一个简单的Flink和Spark对比。Spark来自Apache基金会，从2014年开始，逐步受到青睐，在常见数据处理常见当中，Spark都能起到很好的处理效果，比如批处理、流处理、交互式查询和机器学习

Spark发展到今年，也已经有了十个年头了，在这十年的时间里，Spark在数据分析方面的优势得以显现，成为越来越多的企业的选择。Spark做数据分析，得益于Spark计算框架的优势，也获得了很好的竞争优势。今天我们就来聊聊Spark大数据分析的优势。在Spark出现之前，大数据领域占绝对优势的计算框架，非Hadoop莫属，但是在一段时间的发展之后，我们发现，面对实时流数据的处理需求，Hadoop明

在围绕Hadoop形成的大数据技术生态当中，MapReduce的地位，在早期是处于核心地位的，但是伴随着数据处理实时性需求的不断提升，更多新的计算框架出现，MapReduce的地位受到压制，但是作为Hadoop原始计算框架，还是需要相应程度的了解和掌握的。今天的大数据入门分享，我们来具体讲一讲MapReduce基本原理。一、什么是MapReduce？在Hadoop技术生态当中，MapReduce是

Spark框架下，除了支持批处理和流处理，也提供图计算功能，而图计算功能主要由Spark GraphX来提供。而近些年来说，图计算在大数据领域，也得到越来越多的应用。今天的大数据开发学习分享，我们就来讲讲Spark GraphX图计算入门。关于图计算关于图计算，其实是不能单单从字面上去理解。所谓的图计算的“图（Graph）”，其实是指的一种网络，是一种适合表现事物之间关联关系的数据结构，而非大众意

通常来说，我们找工作都是从写简历开始，一份优秀的简历，能够帮助你在HR筛选当中快速被选中，获得下一步的面试机会。大数据工程师，作为近年来的新兴技术岗，瞄准这个岗位的人也不少。今天我们就来分享，大数据工程师简历怎么写，更受到HR青睐？通常来说，HR筛选简历，比较关注的几个部分如下：毕业学校以及学历，对应的专业或者研究方向。工作年限。工作经历，即跳槽史。项目经历。对于自己擅长东西的总结汇总。而作为大数

众所周知，Spark 它是专门为大规模数据处理而设计的快速通用计算引擎，因此Spark它在数据的挖掘等领域便有着非常广泛的应用，而从现阶段来讲的话它也已经形成了一个高速发展并且应用相当广泛的生态系统了。所以，今天这篇文章便要为大家做一个Spark入门基础的简单介绍，满满干货，请不要错过。一、关于Spark的概述我们可以了解到，当前，MapReduce编程模型成为了一种比较主流的分布式编程模型，并且

大数据、人工智能、物联网，新兴的技术概念不断涌现，而每个新兴技术领域的背后，也将带来相关岗位机会的增加。在近几年的趋势当中，大数据和人工智能无疑都是风头正劲。那么转行大数据还是人工智能，哪个发展更好，今天我们就来具体聊一聊。要在大数据和人工智能之间做转行抉择，首先我们需要对各自的概念有更清楚的认知。大数据是什么？近年来，大数据不断的被神化和妖魔化，但回到本质：大数据其实就是指海量的、多维度、多形式