熱線電話：13121318867

登錄
首頁精彩閱讀大數據分析處理 應多元化
大數據分析處理 應多元化
2015-11-11
收藏

大數據分析處理 應多元化


隨著大數據在各個業務領域的發展和應用，相關的技術和工具也層出不窮，其中Hadoop框架受到更多的關注和應用。Facebook分析主管Ken Rudin最近在紐約舉行的一個Strata+Hadoop世界大會發表主題演講時表示，不要小看關系型數據庫技術的價值。他認為，Hadoop編程框架可能是“大數據”運動的代名詞，但它并不是企業從大規模存儲的非結構化信息中得到價值的唯一工具。

有很多很普及的大數據的觀念需要被質疑，首先一點就是人們普遍認為你可以簡單地利用Hadoop，并且Hadoop易于使用。問題是，Hadoop是一項技術，而大數據和技術無關。大數據是和業務需求有關的。事實上，大數據應該包括Hadoop和關系型數據庫以及任何其它適合于我們手頭任務的技術。
Rudin說，Facebook的業務模式依賴于其對于超過10億社交媒體用戶的用戶資料和活動數據的處理，從而提供有針對性的廣告。然而，對于我們需要做的事情而言，Hadoop并不總是最好的工具。

例如，在Hadoop中對一個數據集做廣泛并且探索性的分析是很有意義的，但關系型存儲對于那些尚未發現的東西進行運行分析則更好。Hadoop對于在一個數據集中尋找最低水平的細節也很好用，但關系型數據庫對于數據的存儲轉換和匯總則更有意義。因此底線是，對于你的任何需求，要使用正確的技術。

他表示，還有另一個假設，認為大數據單純的行為分析提供了寶貴的價值：“問題是這分析給那些無人問津的問題得出了更加聰明的答案。要弄清楚什么是正確的問題依然是一門藝術”。Facebook一直專注于雇傭合適的員工來運行他們的分析操作，那些人不僅要在統計學專業獲得博士學位，并且還要精通業務。

當你面試員工時，不要只關注于“我們怎么計算這個指標”，相反，你應該給他們一個商業案例來研究，并且問他們在這個案例中哪個是最重要的指標。企業也應該嘗試著去培養，人人參與分析。

據Rudin透露，Facebook運營一個內部的“數據培訓營”，一個教導員工如何分析的時長兩周的項目。產品經理、設計師、工程師甚至財務部門工作人員都要參加。每個人都參與其中的意義就在于，每個人可以用一個共同的數據語言，來互相討論數據的問題和麻煩。

Facebook還改變了統計人員和業務團隊的組織方法。如果統計人員保持獨立，他們往往會坐在那里等待來自業務領域的請求找上門來，再回應他們，而不是主動去做。但是如果統計人員被放置到業務部門，你會發現多個團體將會試圖冗余地解決問題。

Facebook已經采用了“嵌入式”模式，其中分析師被放在業務團隊中，但他們要向一些更高級別的分析師報告，這有助于避免重復的勞動。

對于Hadoop如何組合和處理大數據的技巧和方法，數據專家Anoop曾經在另一篇文章中提到過，一般情況下，為了得到最終的結果，數據需要加入多個數據集一起被處理和聯合。Hadoop中有很多方法可以加入多個數據集。MapReduce提供了Map端和Reduce端的數據連接。這些連接是非平凡的連接，并且可能會是非常昂貴的操作。Pig和Hive也具有同等的能力來申請連接到多個數據集。Pig提供了復制連接，合并連接和傾斜連接（skewed join），并且Hive提供了map端的連接和完整外部連接來分析數據。一個重要的事實是，通過使用各種工具，比如MapReduce、Pig和Hive等，數據可以基于它們的內置功能和實際需求來使用它們。至于在Hadoop分析大量數據，Anoop指出，通常，在大數據/Hadoop的世界，一些問題可能并不復雜，并且解決方案也是直截了當的，但面臨的挑戰是數據量。在這種情況下需要不同的解決辦法來解決問題。一些分析任務是從日志文件中統計明確的ID的數目、在特定的日期范圍內改造存儲的數據、以及網友排名等。所有這些任務都可以通過Hadoop中的多種工具和技術如MapReduce、Hive、Pig、Giraph和Mahout等來解決。這些工具在自定義例程的幫助下可以靈活地擴展它們的能力。

事實上，與Rudin持相同觀點的還有數據專家Joe Brightly，他也總結了Hadoop不適合數據分析的幾個理由，其中包括：

“Hadoop是一個框架，不是一個解決方案”——他認為在解決大數據分析的問題上人們誤認為Hadoop可以立即有效工作，而實際上“對于簡單的查詢，它是可以的。但對于難一些的分析問題，Hadoop會迅速敗下陣來，因為需要你直接開發Map/Reduce代碼。出于這個原因，Hadoop更像是J2EE編程環境而不是商業分析解決方案?！?所謂框架意味著你一定要在之上做個性化和業務相關的開發和實現，而這些都需要成本。

Hadoop的子項目Hive和Pig 都不錯，但不能逾越其架構的限制?！薄狫oe提出“Hive 和Pig 都是幫助非專業工程師快速有效使用Hadoop的完善工具，用于把分析查詢轉換為常用的SQL或Java Map/Reduce 任務，這些任務可以部署在Hadoop環境中?！逼渲?a href='/map/hive/' style='color:#000;font-size:inherit;'>Hive是基于Hadoop的一個數據倉庫工具，它可以幫助實現數據匯總、即時查詢以及分析存儲在Hadoop兼容的文件系統的大型數據集等。而Pig是并行計算的高級數據流語言和執行框架。但作者認為“Hadoop的Map/Reduce框架的一些限制，會導致效率低下，尤其是在節點間通信的情況（這種場合需要排序和連接）?！?/span>

Joe總結道：“Hadoop是一個用來做一些非常復雜的數據分析的杰出工具。但是具有諷刺意味的是，它也是需要大量的編程工作才能得到這些問題的答案?！?這一點不止在數據分析應用方面，它其實反映了目前使用開源框架時候不得不面對的選型平衡問題。當你在選型開源框架或代碼的時候，既要考慮清楚它能夠幫到你多少，節省多少時間和成本，提高多少效率。也要知道由此而產生多少新增的成本，比如工程師的學習成本、開發和維護成本，以及未來的擴展性，包括如果使用的框架升級了，你和你的團隊是否要做相應的升級；甚至還要有安全性方面的考慮，畢竟開源框架的漏洞也是眾所周知的。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

Hadoop 大數據 Hive 數據分析 關系型數據庫 SQL 商業分析 數據倉庫

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇圖論在大數據分析中的作用！
下一篇CDA認證再升一檔！與國家共同推進大數據人才培養標準教育事業！
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢