Absolut! Der har aldrig været et bedre tidspunkt at tilføje Hadoop-færdigheder til dit CV. Lad os fastslå dette med et par fakta og eksempler.
Har du nogensinde spekuleret på, hvad der er teknologien bag Facebooks auto-tagging-funktion? Hvad med overvågningskameraer, der er i stand til at generere upåklagelige billeder, selv med svagt lys? Svaret er Hadoop og dets banebrydende evner til at gemme, behandle og hente data.
Lagring af data er en ting, men behandling og forespørgsel efter dem er et helt andet boldspil. Hvis Big Data er et Rugby-hold, så er Hadoop den bedste quarterback, du kan finde!
Takket være Hadoop er Facebook i stand til at gemme alle oplysninger om en person og påpege det nøjagtige tidspunkt og dato for en aktivitet på hans / hendes profil. Alle oplysninger om en person er Big Data, og Hadoop hjælper med at gengive det hele.
hvad gør en tableauudvikler
Alle Hadoop-data er gemt oven på HDFS (Hadoop Distributed File System), som kan rumme både strukturerede og ustrukturerede data. Konkurrenter fra Hadoop (såsom RDBMS og Excel) kan kun gemme strukturerede data. Dette er en vigtig faktor, hvorfor Hadoop er den store far, der giver traditionelle datahåndteringsværktøjer et løb for deres penge. Hadoop behandler nær dataene, mens RDBMS har brug for, at dataene overføres via netværket via I / O for at behandle de samme data.
Mad til eftertanke: Kan Hadoop forudsige resultaterne af situationen baseret på et datasæt?
Denne graf viser den eksponentielle vækst i data gennem årene. Se nærmere på det, og du vil bemærke, at ustrukturerede data tegner sig for 90% af alle data i verden. Anvend blot princippet om efterspørgsel og udbud, og vi kan indse, at flere og flere ustrukturerede data, der flyder rundt, kun giver professionelle, der kan rette disse data. Det er grund nok til, at en person søger et job, der beskæftiger sig med ustrukturerede data, aka Big Data. Er overhovedet ikke i tvivl om, at dette er det rigtige tidspunkt at lære Hadoop.
I virkeligheden, hvor effektiv er Hadoop sammenlignet med RDBMS?
Hadoop banker ethvert andet datahåndteringsværktøj lige ud af parken. RDBMS og Excel kan være effektiv til at administrere data, der ikke overstiger et par hundrede Excel-ark, men hvad med tusind sådanne filer, der skal vedligeholdes? Lad os gå tilbage til Facebook-eksemplet igen. Dataloggen, der indeholder aktivitetsoplysninger for en Facebook-bruger, kan ikke gemmes i Excel, i det mindste ikke alle de historiske data for en bruger, der går tilbage til årtier. Også i Hadoop kan data være løst struktureret, men RDBMS kræver, at dataene er mere ensartede og i et genkendeligt format.
hvordan man konverterer til binær i python
Se på sammenligningen mellem RDBMS og Hadoop, så ved du selv, hvad der koster bedre.
Jeg har en endelig statistik for dig, som vil forsegle enhver tvivl om, hvorvidt Hadoop er en god karriereis.
Denne graf er en illustration af den voksende efterspørgsel efter Hadoop-professionelle, og den vil kun stige i de kommende uger.
Desværre kan du og jeg ikke ændre teknologi. I bedste fald kan vi holde trit med det og lære teknologier under udvikling og blive uundværlige for vores arbejdspladser. Det er det rigtige tidspunkt at lære Hadoop og køre Big Data-bølgen.
flet sorteringsprogram i java
Har du et spørgsmål til os? Nævn det i kommentarfeltet, og vi vender tilbage til dig.
Relaterede indlæg: