Tentunya! Tidak pernah ada masa yang lebih baik untuk menambahkan kemahiran Hadoop ke resume anda. Mari kita buktikan ini dengan beberapa fakta dan contoh.
Pernahkah anda terfikir apa teknologi di sebalik ciri pemberian tag automatik Facebook? Bagaimana dengan kamera pengawasan yang mampu menghasilkan gambar yang sempurna walaupun dengan cahaya rendah? Jawapannya ialah Hadoop dan kemampuannya yang kuat untuk menyimpan, memproses dan mengambil data.
Menyimpan data adalah satu perkara tetapi memproses dan meminta mereka adalah permainan bola yang sama sekali berbeza. Sekiranya Big Data adalah pasukan Rugby, maka Hadoop adalah quarterback terbaik yang boleh anda temui!
Terima kasih kepada Hadoop, Facebook dapat menyimpan semua maklumat mengenai seseorang dan menunjukkan waktu dan tarikh aktiviti yang tepat di profilnya. Semua maklumat mengenai seseorang adalah Big Data dan Hadoop membantu menjadikan semuanya.
Semua data Hadoop disimpan di atas HDFS (Hadoop Distused File System) yang dapat menempatkan data berstruktur dan tidak berstruktur. Pesaing Hadoop (seperti RDBMS dan Excel) hanya dapat menyimpan data berstruktur. Ini adalah faktor utama mengapa Hadoop adalah ayah besar yang memberikan alat pengendalian data tradisional untuk mendapatkan wang mereka. Hadoop melakukan pemprosesan di dekat data sementara RDBMS memerlukan data untuk dipindahkan melalui rangkaian melalui I / O untuk memproses data yang sama.
Makanan untuk berfikir: Bolehkah Hadoop meramalkan hasil situasi berdasarkan set data?
untuk apa nagios digunakan
Grafik ini menunjukkan pertumbuhan eksponensial data selama bertahun-tahun. Lihat lebih dekat dan anda akan melihat bahawa data tidak berstruktur menyumbang 90% dari semua data di dunia. Cukup menerapkan prinsip permintaan dan penawaran, dan kita dapat menyedari bahawa semakin banyak data yang tidak terstruktur yang melayang hanya menimbulkan profesional yang dapat memperbaiki data ini. Itu cukup alasan bagi seseorang untuk mencari pekerjaan yang berurusan dengan data tidak berstruktur aka Big Data. Jangan ragu bahawa ini adalah masa yang tepat untuk belajar Hadoop.
Pada hakikatnya, seberapa berkesan Hadoop berbanding RDBMS?
Hadoop mengetuk alat pengendalian data lain terus dari taman. RDBMS dan Excel mungkin cekap dalam menguruskan data tidak melebihi beberapa ratus helaian Excel, tetapi bagaimana dengan seribu fail seperti itu yang perlu dikekalkan? Mari kembali ke contoh Facebook lagi. Log data yang mengandungi perincian aktiviti pengguna Facebook tidak dapat disimpan di Excel, sekurang-kurangnya tidak semua data sejarah pengguna berasal dari beberapa dekad. Juga, dalam data Hadoop dapat disusun secara longgar tetapi RDBMS menghendaki data lebih konsisten dan dalam format yang dapat dikenali.
Lihat perbandingan antara RDBMS dan Hadoop dan anda akan mengetahui sendiri yang mana yang lebih baik.
Saya mempunyai satu statistik terakhir untuk anda yang akan menghilangkan semua keraguan mengenai apakah Hadoop adalah pilihan kerjaya yang baikais.
kaedah sort c ++
Grafik ini adalah gambaran permintaan yang semakin meningkat untuk profesional Hadoop dan hanya akan meningkat pada minggu-minggu berikutnya.
Malangnya, anda dan saya tidak dapat menukar teknologi. Paling baik, kita dapat mengikuti perkembangannya dan belajar mengembangkan teknologi dan menjadi sangat diperlukan di tempat kerja kita. Ini adalah masa yang tepat untuk belajar Hadoop dan menaiki gelombang Big Data.
Ada soalan untuk kami? Sila sebutkan di bahagian komen dan kami akan menghubungi anda.
Catatan berkaitan:
apakah gandingan di java