版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、做大數(shù)據(jù)過(guò)程中遇到的13個(gè)問(wèn)題1、最早的數(shù)據(jù)分析可能就報(bào)表目前很多數(shù)據(jù)分析后的結(jié)果,展示的形式很多,有各種圖形以及報(bào)表,最早的應(yīng)該是簡(jiǎn)單的幾條數(shù)據(jù),然后搞個(gè)web頁(yè)面,展示一下數(shù)據(jù)。早期可能數(shù)據(jù)量也不大,隨便搞個(gè)數(shù)據(jù)庫(kù),然后SQL搞一下,數(shù)據(jù)報(bào)表就出來(lái)了。但是數(shù)據(jù)量大起來(lái)怎么分析呢?數(shù)據(jù)分析完了怎么做傳輸呢?這么大的數(shù)據(jù)量怎么做到實(shí)時(shí)呢?分析的結(jié)果數(shù)據(jù)如果不是很大還行,如果分析的結(jié)果數(shù)據(jù)還是很大改怎么辦呢?這些問(wèn)題在這篇文章中都能找到答
2、案,下面各個(gè)擊破。2、要做數(shù)據(jù)分析,首先要有數(shù)據(jù)這個(gè)標(biāo)題感覺(jué)有點(diǎn)廢話(huà),不過(guò)要做飯需要食材一樣。有些數(shù)據(jù)時(shí)業(yè)務(wù)積累的,像交易訂單的數(shù)據(jù),每一筆交易都會(huì)有一筆訂單,之后再對(duì)訂單數(shù)據(jù)作分析。但是有些場(chǎng)景下,數(shù)據(jù)沒(méi)法考業(yè)務(wù)積累,需要依賴(lài)于外部,這個(gè)時(shí)候外部如果有現(xiàn)成的數(shù)據(jù)最好了,直接join過(guò)來(lái),但是有時(shí)候是需要自己獲取的,例如搞個(gè)爬蟲(chóng)爬取網(wǎng)頁(yè)的數(shù)據(jù),有時(shí)候單臺(tái)機(jī)器搞爬蟲(chóng)可能還爬不完,這個(gè)時(shí)候可能就開(kāi)始考慮單機(jī)多線程爬取或者分布式多線程爬取數(shù)據(jù)
3、,中間涉及到一個(gè)步驟,就是在線的業(yè)務(wù)數(shù)據(jù),需要每天晚上導(dǎo)入到離線的系統(tǒng)中,之后才可以進(jìn)行分析。3、有了數(shù)據(jù),咋分析呢?先將數(shù)據(jù)量小的情況下,可能一個(gè)復(fù)雜的據(jù)分析就好之前寫(xiě)SQL一樣了,按照邏輯編寫(xiě)hiveSQL,然后控制臺(tái)執(zhí)行??赡茏畲蟮母杏X(jué)是,數(shù)據(jù)庫(kù)的sql很快就能有結(jié)果,但是hive的,即使很小的一個(gè)數(shù)據(jù)分析,也需要幾分鐘時(shí)間。構(gòu)建hive,需要在hadoop的集群上,原理很簡(jiǎn)單,就是把文件構(gòu)建成表的形式(有一個(gè)數(shù)據(jù)庫(kù)或者內(nèi)存數(shù)據(jù)庫(kù)
4、維護(hù)表的schema信息),之后提交寫(xiě)好的hivesql的時(shí)候,hadoop集群里面的程序把hive腳本轉(zhuǎn)換成對(duì)應(yīng)的mapreduce程序執(zhí)行。這個(gè)時(shí)候,做離線的數(shù)據(jù)分析簡(jiǎn)單寫(xiě)腳本就行了,不用再搞java代碼,然后上傳執(zhí)行了。6、數(shù)據(jù)產(chǎn)生的結(jié)果,怎么搞到線上提供服務(wù)的數(shù)據(jù)庫(kù)中呢?這個(gè)時(shí)候分析的結(jié)果有了,可能是一個(gè)很寬很長(zhǎng)的excel表格,需要導(dǎo)入到線上的數(shù)據(jù)庫(kù)中,可能你想到了,如果我的數(shù)據(jù)庫(kù)是mysql,我直接執(zhí)行l(wèi)oad命令就搞進(jìn)去了
5、,哪有那么麻煩。但是數(shù)據(jù)源可能有多了,mysqlaclehbasehdfs按照笛卡爾積的形式,這樣搞要搞死程序員了。這個(gè)時(shí)候datax(已經(jīng)開(kāi)源)出現(xiàn)了,能夠?qū)崿F(xiàn)異構(gòu)數(shù)據(jù)源的導(dǎo)入和導(dǎo)出,采用插件的形式設(shè)計(jì),能夠支持未來(lái)的數(shù)據(jù)源。如果需要導(dǎo)數(shù)據(jù),配置一下datax的xml文件或者在web頁(yè)面上點(diǎn)擊下就可以實(shí)現(xiàn)了。7、離線分析有時(shí)間差,實(shí)時(shí)的話(huà)怎么搞呢?要構(gòu)建實(shí)時(shí)的分析系統(tǒng),其實(shí)在結(jié)果數(shù)據(jù)出來(lái)之前,架構(gòu)和離線是截然不同的。數(shù)據(jù)時(shí)流動(dòng)的,如果
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 求職擇業(yè)過(guò)程中遇到的問(wèn)題
- 求職擇業(yè)過(guò)程中遇到的問(wèn)題
- 大數(shù)據(jù)遷移過(guò)程中數(shù)據(jù)完整性問(wèn)題研究.pdf
- 內(nèi)控實(shí)施過(guò)程中遇到的問(wèn)題及解決對(duì)策
- 13個(gè)大數(shù)據(jù)應(yīng)用案例
- 簽單過(guò)程中設(shè)計(jì)師最容易遇到的45個(gè)問(wèn)題和建議答案
- 合理低價(jià)中標(biāo)在實(shí)施過(guò)程中遇到的問(wèn)題及對(duì)策
- 遼寧省醫(yī)療大數(shù)據(jù)建設(shè)過(guò)程中的問(wèn)題及對(duì)策.pdf
- 國(guó)有企業(yè)多元化過(guò)程中遇到的問(wèn)題及對(duì)策
- 淺析通風(fēng)空調(diào)工程施工過(guò)程中遇到的問(wèn)題及防治
- 小額貸款公司發(fā)展過(guò)程中遇到的問(wèn)題及其建議
- 設(shè)計(jì)師簽單過(guò)程中最容易遇到的45個(gè)問(wèn)題和建議答案
- 城市給排水的規(guī)劃過(guò)程中遇到的問(wèn)題及對(duì)策探討
- 安裝usb驅(qū)動(dòng)過(guò)程中可能遇到的問(wèn)題及解決方案
- 安裝usb驅(qū)動(dòng)過(guò)程中可能遇到的問(wèn)題及解決方案
- 試論房地產(chǎn)開(kāi)發(fā)過(guò)程中遇到的若干問(wèn)題
- 安裝usb驅(qū)動(dòng)過(guò)程中可能遇到的問(wèn)題及解決方案
- 做大還是做小這是個(gè)問(wèn)題
- 金屬找礦過(guò)程中地質(zhì)勘查經(jīng)常遇到的問(wèn)題和解決方法
- dv拍攝過(guò)程中必須注意的10個(gè)問(wèn)題
評(píng)論
0/150
提交評(píng)論