大数据是干什么的？

大数据是指在一定时间内，常规软件工具无法捕捉、管理和处理的数据集合。它是一种海量、高增长、多元化的信息资产，需要一种新的处理模式，以具备更强的决策、洞察和流程优化能力。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些有意义的数据进行专业的处理。换句话说，如果把大数据比作一个行业，这个行业盈利的关键在于提高数据的“处理能力”，通过“处理”实现数据的“增值”。

从技术上讲，大数据和云计算的关系就像硬币的正反面一样密不可分。大数据不能用单台计算机处理，必须采用分布式架构。其特点在于海量数据的分布式数据挖掘。但它必须依赖云计算分布式处理、分布式数据库、云存储和虚拟化技术。
扩展信息:

大数据只是现阶段互联网的一个表征或特征。没有必要将其神话或保持敬畏。在以云计算为代表的技术创新背景下，这些原本看似难以收集和使用的数据开始被轻松使用。通过各行各业的不断创新，大数据将逐渐为人类创造更多的价值。
是体现大数据技术价值的手段，是进步的基石。这里从云计算、分布式处理技术、存储技术、感知技术的发展，阐述大数据从采集、处理、存储到形成结果的全过程。
实践是大数据的终极价值。在这里，我们从互联网大数据、政府大数据、企业大数据、个人大数据四个方面来描绘大数据的美好图景和将要实现的蓝图。

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据开发相关的岗位很多，比较热门的包括：
1、大数据开发工程师
主要负责数据模型的ETL开发、数据平台建设；面向业务的数据提取、分析、报表、挖掘等系统设计和开发工作。
岗位要求：
精通常用的数据结构和算法，理解面向对象设计的基本原则，熟悉常用的设计模式；
掌握Hadoop生态体系框架，包括Hadoop、Hive、Spark、Storm、Flink、ElasticSearch、HBase等；
2、大数据运维工程师
主要负责数据平台的集群管理，机器优化，集群监控等；对现有集群的优化和性能调优，满足不断增长的业务需求等。
岗位要求：
熟悉主流开源数据组件，包括但不限于HADOOP、Hive、HBase、ZK、Spark、Flink、Flume、ElasticSearch and
etc；深入理解Hadoop各组件的原理和实现；熟悉分布式原理、分布式系统设计等。
3、大数据架构师
主要负责大数据基础框架的整体架构设计，结合公司实际业务情况进行技术选型；负责数据存储和计算平台的整体评估、设计以及核心功能模块的开发等。
岗位要求：
熟悉常用的数据结构和算法；具备丰富的开发经验，了解主流的大数据技术框架组件，包括但不限于Hadoop、Spark、Storm、Flink等。
4、大数据分析师
大数据分析方向的岗位，则主要以数据分析挖掘为主，通常需要负责常规业务数据分析需求开发，用户画像构建，推荐算法实现等。

• « 上一篇：MySQL相关知识【索引, 锁, 事务...】(个人总结)
• » 下一篇：C# 中常见的设计模式附带代码案例