1、hive和hbase基本是大数据仓库的标配。要回用，懂调优，故障排查。hbase看浪尖hbase系列文章。hive后期更新。7，消息队列的使用 kafka基本概念，使用，瓶颈分析。看浪尖kafka系列文章。8，实时处理系统 storm和spark Streaming 9，spark core和sparksql spark用于离线分析的两个重要功能。
2、想学习大数据的人越来越多，但是，大数据到底学的课程是什么呢？大数据学习的知识点都有哪些呢？下面给大家好好普及一下，这样学起来才会有的放矢。首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。
3、数据仓库数据建模的几种思路主要分为一下几种 星型模式 星形模式（Star Schema）是最常用的维度建模方式。星型模式是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。
4、下面讲述如何看待美国股市走势？在金融市场，没有人能预测未来。不过，市场专家的财务预测有助于调整投资组合。在美国，的新fintech中，有几个特别容易使用和受欢迎，个人非常喜欢的是1，罗宾汉（是的，是最近gamestop storm center中的罗宾汉）。界面非常友好简单，买卖方便。
storm结构称为topology（拓扑），由stream（数据流），spout（喷嘴-数据流的生成者），bolt（阀门-数据流运算者）组成（参考图：Storm组成结构）。Spout负责连接数据源，接收数据，转换为tuple向后发送，Spout只负责转化数据，不负责数据处理。
软件系统的分层结构：第一层：基础架构基础架构指云平台、操作系统、网络、存储、数据库和编译器等。随着目前云计算越来越普及，很多的中小型公司都选择了大公司的云计算平台，而不是自己研发和维护基础架构。第二层：中间件与大数据平台（1）中间件架构。
处理框架负责对系统中的数据进行计算，例如处理从非易失存储中读取的数据，或处理刚刚摄入到系统中的数据。数据的计算则是指从大量单一数据点中提取信息和见解的过程。
Samza Samza 是由 Linked In 开源的一项技术，是一个分布式流处理框架，专用于实时数据的处理，非常像Twitter的流处理系统Storm。不同的是Sam？za 基于 Hadoop，而且使用了 Linked In 自家的 Kafka 分布式消息系统。
1、大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、数据库、数据仓库、机器学习、并行计算、可视化等。
2、大数据的核心技术是大数据存储与管理技术。拓展知识：具体来说，大数据存储与管理技术主要包括了大数据采集、大数据预处理、大数据存储与管理、数据挖掘等方面。为了高效地处理和分析大数据，这些技术都需要采用一系列的软硬件工具和平台，以实现数据的实时传输、存储、处理和分析。
3、大数据的核心技术涵盖了数据采集、预处理、存储管理和数据挖掘等多个方面。首先，数据采集涉及从各种数据源，如社交媒体、日志文件和传感器等，自动获取和整理数据。其次，数据预处理包括清理、转换和整合数据，以消除噪声、不一致性，并确保数据适用于后续分析。
4、大数据核心技术涵盖了一系列领域，其中包括： 数据采集与预处理：- Flume：实时日志收集系统，能够定制数据发送方以收集不同类型的数据。- Zookeeper：分布式应用程序协调服务，提供数据同步功能。 数据存储：- Hadoop：开源框架，专为离线处理和大规模数据分析设计。
5、大数据采集技术 大数据采集技术是指通过RFID数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得各种类型的结构化、半结构化及非结构化的海量数据。因为数据源多种多样，数据量大，产生速度快，所以大数据采集技术也面临着许多技术挑战，必须保证数据采集的可靠性和高效性，还要避免重复数据。
1、数据处理工具：Excel 数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。
2、漏斗分析模型 漏斗分析是一组过程分析，可以科学地反映用户的行为以及从头到尾的用户转化率的重要分析模型。漏斗分析模型已广泛用于日常数据操作，例如流量监控和产品目标转化。
3、Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。 Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。
4、目前比较流行的商业数据可视化工具是Tableau & Echarts。Echarts是开源的，代码可以自己改，种类也非常丰富。④大数据分析：SPSS & Python& HiveSQL 等 如果说Excel是轻数据处理工具，Mysql是中型数据处理工具那么，大数据分析，涉及的面就非常广泛，技术点涉及的也比较多。
5、Excel/作为数据分析的基石，Excel以其强大的基础功能如数据透视表、VBA编程，以及用户友好的界面，深受用户喜爱。它几乎能满足日常分析需求，但对于大规模数据处理，它的处理能力可能会有所限制。 R语言/R语言，这不仅是一门语言，更是数据科学家的瑞士军刀。
6、Python 不可否认的是，python在数据分析领域，确实称得上是一个强大的语言工具。你可以随心所欲地写代码执行你想要的东西。尽管入门的学习难度要高于Excel和BI，但是作为数据科学家的必备工具，从职业高度上讲，它肯定是高于Excel、BI工具的。
Storm是由Twitter开发并开源的，主要用于处理大规模数据流。它是一个高度可扩展的系统，能够处理每秒数千条的数据记录，并在多个节点上并行执行计算任务。Storm的核心概念是元组（tuple），它是一个不可变的键值对集合，用于在Storm组件之间传递数据。
storm的用法：storm可以用作名词 storm的基本意思是“风暴，暴风雨”，指由于大气翻动，特别是伴有雨、雪、雹等现象的大气的旋转运动而形成的风暴或暴风雨，是可数名词，有复数形式。storm引申可作“强烈如暴（风）雨般的东西，（生活中的）风波”，如情感、声音等的猛烈爆发，常与of连用。
Storm还可以用于描述情感或行为的强烈性质。例如，storm可以用来形容某人内心或情感的强烈波动。此外，storm还可以用来形容某人的行为或反应，如throw a temper storm（大发脾气）或storm out of the room（怒气冲冲地离开房间）作为动词，storm通常表示冲进、猛扑或猛冲。
Storm是一个开源的分布式实时计算系统，主要用于处理大数据流。它能够可靠地对数据流进行实时处理和分析，实现对数据流的监控、转换和响应等任务。Storm适用于那些需要在数据流产生的同时立即进行分析处理的场景，如社交网络数据的实时分析、物联网的实时数据处理等。