Absolutt! Det har aldri vært en bedre tid å legge til Hadoop-ferdigheter i CV-en. La oss etablere dette med noen få fakta og eksempler.
Har du noen gang lurt på hva som er teknologien bak Facebooks funksjon for automatisk merking? Hva med overvåkingskameraer som er i stand til å generere upåklagelige bilder selv med lite lys? Svaret er Hadoop og dets banebrytende evner til å lagre, behandle og hente data.
Lagring av data er en ting, men å behandle og spørre dem er et helt annet ballspill. Hvis Big Data er et Rugby-team, så er Hadoop den beste quarterbacken du kan finne!
Takket være Hadoop er Facebook i stand til å lagre all informasjonen om en person og påpeker nøyaktig tidspunkt og dato for en aktivitet på hans / hennes profil. All informasjon om en person er Big Data, og Hadoop hjelper til med å gjengi alt.
Alle Hadoop-dataene lagres på toppen av HDFS (Hadoop Distributed File System) som kan huse både strukturerte og ustrukturerte data. Konkurrenter fra Hadoop (som RDBMS og Excel) kan bare lagre strukturerte data. Dette er en viktig faktor hvorfor Hadoop er den store pappaen som gir tradisjonelle datahåndteringsverktøy en løp for pengene sine. Hadoop gjør behandlingen i nærheten av dataene mens RDBMS trenger at dataene overføres over nettverket via I / O for å behandle de samme dataene.
Noe å tenke på: Kan Hadoop forutsi resultatene av situasjonen basert på et datasett?
java lage en rekke objekter
Denne grafen viser den eksponentielle veksten av data gjennom årene. Ta en nærmere titt, og du vil legge merke til at ustrukturerte data står for 90% av all data i verden. Bare bruk prinsippet om etterspørsel og tilbud, og vi kan innse at mer og mer ustrukturerte data som flyter rundt, bare gir opphav til fagfolk som kan fikse disse dataene. Det er grunn nok til at en person ser etter en jobb som arbeider med ustrukturerte data, aka Big Data. Er ikke i tvil om at dette er riktig tidspunkt å lære Hadoop.
I virkeligheten, hvor effektiv er Hadoop sammenlignet med RDBMS?
flette sortering beslutningstreet 4 elementer
Hadoop banker ethvert annet datahåndteringsverktøy rett ut av parken. RDBMS og Excel kan være effektive i å administrere data som ikke overstiger noen få hundre Excel-ark, men hva med tusen slike filer som må vedlikeholdes? La oss gå tilbake til Facebook-eksemplet igjen. Dataloggen som inneholder aktivitetsdetaljer for en Facebook-bruker, kan ikke lagres i Excel, i det minste ikke alle de historiske dataene til en bruker som går tilbake til flere tiår. Også i Hadoop kan data være løst strukturert, men RDBMS krever at dataene er mer konsistente og i et gjenkjennelig format.
Ta en titt på sammenligningen mellom RDBMS og Hadoop, så vet du selv hva som koster bedre.
Jeg har en siste statistikk for deg som vil forsegle all tvil om Hadoop er en god karriereis.
Denne grafen er en illustrasjon av den økende etterspørselen etter Hadoop-fagpersoner, og den vil bare øke i ukene som følger.
Dessverre kan du og jeg ikke endre teknologi. I beste fall kan vi holde tritt med det og lære teknologier under utvikling og bli uunnværlige for våre arbeidsplasser. Det er riktig tidspunkt å lære Hadoop og ri Big Data-bølgen.
Har du et spørsmål til oss? Vennligst nevn det i kommentarfeltet, så kommer vi tilbake til deg.
til kraften i Java
Relaterte innlegg: