學(xué)生黨以及很多沒設(shè)計(jì)過大數(shù)據(jù)開發(fā)的小伙伴呢，都對(duì)大數(shù)據(jù)這么一個(gè)領(lǐng)域感到非常非常的好奇非常非常的神秘，我今天就非要戳穿給你們看。

1、對(duì)，我們做大數(shù)據(jù)的也寫普通的 Java 代碼，寫普通的 SQL。

比如 Java API版的 Spark 程序，長(zhǎng)得跟 Java8 的Stream API 一樣一樣的。 

JavaRDD lines = sc.textFile("data.txt");  
JavaRDD lineLengths = lines.map(s -> s.length());  
int totalLength = lineLengths.reduce((a, b) -> a + b); 

再比如，刪除一個(gè) Hive 表。

DROP TABLE pokes ;

2、對(duì)，Hadoop 、Spark 、Hive 的啟動(dòng)和機(jī)器運(yùn)維都跟一個(gè)普通的 Java 應(yīng)用和數(shù)據(jù)庫(kù)沒什么區(qū)別。

比如啟動(dòng)hdfs

• bash ./start-dfs.sh
• 比如啟動(dòng)yarn
• bash ./start-yarn.sh
• 比如啟動(dòng)hive
• bash ./hive

完事了，有啥神秘的????不就是配一堆所有系統(tǒng)都有的配置嗎?

3、對(duì)不起，沒有一門叫數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)。

數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)集結(jié)了某個(gè)范圍內(nèi)所有經(jīng)過清洗的統(tǒng)一的數(shù)據(jù)存儲(chǔ)、分析的地點(diǎn)，并沒有一門叫數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)。

在實(shí)戰(zhàn)中，我們一般會(huì)使用 Hive 來當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的載體，在沒有大數(shù)據(jù)基礎(chǔ)架構(gòu)的公司也會(huì)使用各種傳統(tǒng) DB 來當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的載體，所以不要再說什么你要學(xué)習(xí)數(shù)據(jù)倉(cāng)庫(kù) ok ? 要學(xué) Hive 就說要學(xué) Hive，要學(xué)數(shù)據(jù)治理就說要學(xué)數(shù)據(jù)治理。

4、對(duì)，我們大數(shù)據(jù)就是死寫SQL的，但腦回路跟你們不一樣

• 你們寫 SQL 優(yōu)先想功能，我們寫SQL優(yōu)先想這他媽能不能跑出來。
• 你們寫 SQL 可以一直調(diào)一直調(diào)，我們寫 SQL 要想好久才調(diào)一次，連機(jī)器是什么跑的都要想清楚。
• 你們寫 SQL 壓根不管數(shù)據(jù)分布，我們寫 SQL ***件事就是他媽不會(huì)數(shù)據(jù)傾斜吧?
• 你們寫 SQL 用都能直接寫，我們寫 SQL 前要寫一萬個(gè) SQL 做數(shù)據(jù)清洗。

5、對(duì)，10倍，100倍，100萬倍 的數(shù)據(jù)增長(zhǎng)我們就需要一直改方案，改改改。

你的 SQL 在10倍量下能跑，在100萬倍下，你可能要付出非常久非常久的思考和努力才能基本跑出來，比如一個(gè)簡(jiǎn)單的去重統(tǒng)計(jì)。

你的SQL count(1) group by 一下就出來了。

我的如果寫得跟你一樣我估計(jì)這輩子都出不來結(jié)果了。

不解釋了，大數(shù)據(jù)計(jì)數(shù)系列了解一下。

大數(shù)據(jù)計(jì)數(shù)原理1+0=1這你都不會(huì)算(十)No.77

6、Spark 很快，但 Spark 也很慢

Spark是純內(nèi)存計(jì)算，但Spark也是批量計(jì)算，其中存在的缺陷你們思考一下，對(duì)比一下 FLink 這類純流式計(jì)算。

7、即使你有100T數(shù)據(jù)，你也不是在做大數(shù)據(jù)。

***數(shù)據(jù)存儲(chǔ)占用空間大不代表就是大數(shù)據(jù)，第二即使你數(shù)據(jù)量級(jí)夠思維不對(duì)你也不是在做大數(shù)據(jù)。

8、大數(shù)據(jù)跟機(jī)器學(xué)習(xí)是一家，壓根離不開

你可能永遠(yuǎn)也不會(huì)知道 分而治之，統(tǒng)計(jì)學(xué)，概率論 在這兩個(gè)學(xué)科的統(tǒng)一性和重要性。

9、對(duì)不起，你別以為大數(shù)據(jù)只有 Hadoop，大數(shù)據(jù)技術(shù)棧廣和深得你幾乎不可想象。

你以為你學(xué)完了，完全不可"棱"。

先這樣，不知道寫啥了，以上。