[[428476]]

本文轉(zhuǎn)載自微信公眾號「五分鐘學(xué)大數(shù)據(jù)」，作者園陌。轉(zhuǎn)載本文請聯(lián)系五分鐘學(xué)大數(shù)據(jù)公眾號。

最近有讀者私聊我時發(fā)現(xiàn)有不少應(yīng)屆生和初學(xué)者，他們在大數(shù)據(jù)怎么學(xué)，以及大數(shù)據(jù)怎么面試，簡歷怎么寫等方面有很大的困擾，今天我們就來談?wù)勱P(guān)于大數(shù)據(jù)的一些事。

寫在前面：每個人的學(xué)習(xí)方法可能不一樣，只有找到適合自己的才是最好的，以下這些只是我在學(xué)習(xí)大數(shù)據(jù)時的一些總結(jié)及經(jīng)驗，有不全面的地方還請各位大佬多包涵，互相學(xué)習(xí)，共同進(jìn)步，非常感謝!

我之前在知乎回答過類似的問題，有人問大數(shù)據(jù)工程師的日常工作內(nèi)容是干嘛?，我當(dāng)時看到之后就隨意回答了下，先說了下大數(shù)據(jù)日常干嘛，然后又說了下怎么準(zhǔn)備大數(shù)據(jù)的面試，怎么學(xué)大數(shù)據(jù)等等，沒想到反響還挺好，截圖了部分評論：

今天走心回答一波，把知乎回答的內(nèi)容再整理下。

1. 大數(shù)據(jù)學(xué)習(xí)

大數(shù)據(jù)怎么學(xué)，該學(xué)哪些東西，不需要學(xué)哪些東西，是大家問的最多的一個問題，也有不少同學(xué)問培訓(xùn)機構(gòu)講的框架太多了，是否都要掌握，接下來我們逐個解析。

從 2008 年 Hadoop 成為 Apache 頂級項目開始，大數(shù)據(jù)迎來了體系化的快速發(fā)展，到如今已經(jīng)走過十幾個年頭，這些年里大數(shù)據(jù)框架層出不窮，可以用“亂花漸欲迷人眼”形容，框架這么多，應(yīng)該怎么學(xué)?

我們可以思考下整個大數(shù)據(jù)的流程是什么，從數(shù)據(jù)采集->數(shù)據(jù)存儲->數(shù)據(jù)處理->數(shù)據(jù)應(yīng)用，再加一個任務(wù)調(diào)度。每個流程都有很多對應(yīng)的大數(shù)據(jù)框架，我們學(xué)習(xí)其中一兩個比較重要，也就是企業(yè)用的較多的框架即可。

數(shù)據(jù)采集：就是把數(shù)據(jù)從其他平臺采集到我們大數(shù)據(jù)平臺，只是負(fù)責(zé)采集數(shù)據(jù)，所以對這個流程的框架要求是會用即可，日志采集工具如Flume，大數(shù)據(jù)平臺與傳統(tǒng)的數(shù)據(jù)庫(mysql、postgresql...)間進(jìn)行數(shù)據(jù)的傳遞工具如Sqoop，我們會用即可，這種工具上手也很快，沒有太復(fù)雜的功能。

數(shù)據(jù)存儲：數(shù)據(jù)存儲就比較重要了，大數(shù)據(jù)如此流行，和大規(guī)模分布式數(shù)據(jù)存儲快速發(fā)展有很大關(guān)系，當(dāng)然數(shù)據(jù)存儲的框架也比較多，不同的框架，功能不太一樣，首先第一個：Hadoop HDFS，分布式文件系統(tǒng)，HDFS的誕生，解決了海量數(shù)據(jù)的存儲問題， 但是一個優(yōu)秀的數(shù)據(jù)存儲系統(tǒng)需要同時考慮數(shù)據(jù)存儲和訪問兩方面的問題，比如你希望能夠?qū)?shù)據(jù)進(jìn)行隨機訪問，這是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫所擅長的，但卻不是分布式文件系統(tǒng)所擅長的，那么有沒有一種存儲方案能夠同時兼具分布式文件系統(tǒng)和關(guān)系型數(shù)據(jù)庫的優(yōu)點，基于這種需求，就產(chǎn)生了 HBase、MongoDB等。

數(shù)據(jù)處理：大數(shù)據(jù)最重要的環(huán)節(jié)就是數(shù)據(jù)處理了，數(shù)據(jù)處理通常分為兩種：批處理和流處理。

• 批處理：對一段時間內(nèi)海量的離線數(shù)據(jù)進(jìn)行統(tǒng)一的處理，對應(yīng)的處理框架有 Hadoop MapReduce、Spark、Flink 等;
• 流處理：對運動中的數(shù)據(jù)進(jìn)行處理，即在接收數(shù)據(jù)的同時就對其進(jìn)行處理，對應(yīng)的處理框架有 Spark Streaming、Flink 等。

批處理和流處理各有其適用的場景，時間不敏感或者硬件資源有限，可以采用批處理;

時間敏感和及時性要求高就可以采用流處理。隨著服務(wù)器硬件的價格越來越低和大家對及時性的要求越來越高，流處理越來越普遍，如股票價格預(yù)測和電商運營數(shù)據(jù)分析等。

大數(shù)據(jù)是一個非常完善的生態(tài)圈，有需求就有解決方案。為了能夠讓熟悉 SQL 的人員也能夠進(jìn)行數(shù)據(jù)處理與分析，查詢分析框架應(yīng)運而生，常用的有 Hive 、Spark SQL 、Flink SQL、Phoenix 等。這些框架都能夠使用標(biāo)準(zhǔn)的 SQL 或者 類 SQL 語法靈活地進(jìn)行數(shù)據(jù)的查詢分析。

這些 SQL 經(jīng)過解析優(yōu)化后轉(zhuǎn)換為對應(yīng)的作業(yè)程序來運行，如 Hive 本質(zhì)上就是將 SQL 轉(zhuǎn)換為 MapReduce 或 Spark 作業(yè)，Phoenix 將 SQL 查詢轉(zhuǎn)換為一個或多個 HBase Scan。

大數(shù)據(jù)流處理中使用的比較多的另外一個框架是 Kafka，Kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，它可以用于消峰，避免在秒殺等場景下并發(fā)數(shù)據(jù)對流處理程序造成沖擊。

數(shù)據(jù)應(yīng)用：處理好的數(shù)據(jù)就可以輸出應(yīng)用了，如可視化展示，推動業(yè)務(wù)決策，用于推薦算法，機器學(xué)習(xí)等。

任務(wù)調(diào)度：復(fù)雜大數(shù)據(jù)處理的另外一個顯著的問題是，如何調(diào)度多個復(fù)雜的并且彼此之間存在依賴關(guān)系的作業(yè)?基于這種需求，產(chǎn)生了 Azkaban 和 Oozie 等工作流調(diào)度框架。

同時針對集群資源管理的需求，又衍生了 Hadoop YARN，資源調(diào)度框架。

想要保證集群高可用，需要用到 ZooKeeper ，ZooKeeper 是最常用的分布式協(xié)調(diào)服務(wù)，它能夠解決大多數(shù)集群問題，包括首領(lǐng)選舉、失敗恢復(fù)、元數(shù)據(jù)存儲及其一致性保證。

以上，在分析大數(shù)據(jù)處理流程中，我們把常用的框架都說了下，基本上也是大數(shù)據(jù)中最常用的框架，盡量全部掌握。

以上框架大部分是用Java寫的，有部分是用Scala寫的，所以我們必須掌握的語言是Java、Scala，以便我們開發(fā)相關(guān)應(yīng)用及閱讀源碼等。

總結(jié)

我們總結(jié)下重點框架：

• 語言：Java 和 Scala(語言以這兩種為主，需要重點掌握)
• Linux(需要對Linux有一定的理解)
• Hadoop(需理解底層，能看懂源碼)
• Hive(會使用，理解底層SQL轉(zhuǎn)化原理及優(yōu)化)
• Spark(能進(jìn)行開發(fā)。對源碼有了解)
• Kafka(會使用，理解底層原理)
• Flink(能進(jìn)行開發(fā)。對源碼有了解)
• HBase(理解底層原理)
• Zookeeper(會用，最好理解原理)
• Sqoop、Flume、Oozie/Azkaban(會用即可)

如果走數(shù)倉方向，需要掌握以下技能：

• 離線數(shù)倉建設(shè)(搭建數(shù)倉，數(shù)倉建模規(guī)范)
• 維度建模(建模方式常用的有范式建模和維度建模，重點關(guān)注維度建模)
• 實時數(shù)倉架構(gòu)(兩種數(shù)倉架構(gòu)：Lambda架構(gòu)和Kappa架構(gòu))

不管離線還是實時，重中之重就是：SQL。多找一些SQL題練習(xí)!

等工作之后，有時間還需要學(xué)習(xí)比較流行的 OLAP 查詢引擎：

Impala 、Presto、Druid 、Kudu 、ClickHouse 、Doris

如果還有時間，需學(xué)習(xí)數(shù)據(jù)質(zhì)量及數(shù)據(jù)治理相關(guān)的內(nèi)容!

另還有元數(shù)據(jù)管理工具：Atlas

數(shù)據(jù)湖-Data Lake 三劍客：Delta、Hudi、Iceberg

2. 大數(shù)據(jù)面試

如果讓我招大數(shù)據(jù)工程師，我第一看中的不是技術(shù)，而是你有沒有獨立思考的能力，給你一個你毫不熟悉的項目，能不能快速理清業(yè)務(wù)邏輯，能不能將需求完整的復(fù)述一遍，因為這太重要了，我司目前招進(jìn)來兩個大數(shù)據(jù)初級，不知道是跨行業(yè)的原因，還是其他，需求始終理解的差那么一點，也可能是我們的業(yè)務(wù)比較復(fù)雜。但是需求理解不到位，技術(shù)在厲害也是沒用

但是話又說回來，需求這東西你沒辦法提前復(fù)習(xí)啊，只有需求來了才知道要干什么，所以面試時只能考察技術(shù)及你的過往項目經(jīng)歷，通過你之前做的項目看你對這個項目的理解情況，這主要看和面試官有沒有眼緣，沒有具體標(biāo)準(zhǔn)，因為每個人做的項目可能不一樣，你項目中會的地方多說一點，不會的少說一點或者干脆不說，面試官感覺你說得好，你就有希望

但是技術(shù)是有標(biāo)準(zhǔn)的，問你某個技術(shù)點，你會就是會，不會就是不會

但是在學(xué)技術(shù)的時候要多思考，這個技術(shù)點為什么這樣實現(xiàn)，有什么好處，多思考會讓大腦越來越靈活，就比如Flink支持精準(zhǔn)一次處理語義，但是大家深入思考下flink的精準(zhǔn)處理是怎么實現(xiàn)的，有人說是通過兩階段提交協(xié)議實現(xiàn)的，對，是通過這個協(xié)議，那再深入思考下，這個協(xié)議的主要內(nèi)容是什么，底層的算法是怎么實現(xiàn)的，這樣一步步的向下思考，你就會發(fā)現(xiàn)一個新世界。

以上說這么多，其實就兩點，面試主要考察技術(shù)和項目。項目也是非常重要的，通過項目一方面可以考察你的技術(shù)掌握情況，另一方面考察你對項目的理解情況，如果你連自己簡歷中的項目都不太熟悉，說的磕磕絆絆，那么你進(jìn)到公司后，怎么能短時間內(nèi)快速熟悉業(yè)務(wù)呢。

所以，簡歷中一定要寫項目，并且對項目要非常熟悉!

公眾號后臺對話框發(fā)送：面試，會有一份帶解析的超全大數(shù)據(jù)面試題!

3. 大數(shù)據(jù)簡歷

對于許多應(yīng)屆生來說，有不少是帶著學(xué)生思維來撰寫簡歷，不僅于求職加分無益，還給自己挖了許多坑。敗在簡歷關(guān)，等于一場馬拉松摔輸在了起跑線，還沒開始就結(jié)束了。

簡歷的大忌：

海投簡歷

不要一份簡歷原封不動地發(fā)送給數(shù)十家企業(yè)。這樣的結(jié)果往往是石沉大海。

求職講求“人崗匹配”，即面試者個人素質(zhì)與職位要求高度一致。要針對崗位要求適當(dāng)修改簡歷，提升崗位匹配度。

簡歷毫無重點

一篇優(yōu)秀的簡歷，應(yīng)該是懂得“舍棄”的簡歷。你不需要將自己大學(xué)幾年來所有的事件經(jīng)歷都羅列上去，而是應(yīng)該根據(jù)企業(yè)和崗位的需求進(jìn)行取舍，選取出最匹配的經(jīng)歷大篇幅呈現(xiàn)出來，其他經(jīng)歷大可一筆帶過甚至干脆不談。

簡歷怎么寫：

重點來啦!!!寫簡歷一定要用四大原則和STAR法則!

什么是四大原則，什么是STAR法則，接下來我們就逐項解析：

四大原則：

關(guān)鍵詞原則

關(guān)鍵詞原則指的是，多使用一些行業(yè)術(shù)語或?qū)I(yè)詞匯放入你的經(jīng)歷描述中，凸顯出你的專業(yè)性以及對該行業(yè)的熟悉程度。

動詞原則

動詞是一個句子的靈魂所在，也是面試官判斷你的個人經(jīng)歷是否真實的重要標(biāo)準(zhǔn)之一。在經(jīng)歷描述中，要著重注意動詞的挑選，最準(zhǔn)確的動詞才能夠傳達(dá)出你的經(jīng)歷價值。

比如表明自己行為的動詞“從事”“積累”“得到”，似乎是所有工作中都用得到，但根本看不出這份經(jīng)歷的獨特性。

為了展現(xiàn)你的經(jīng)歷真實與價值，足夠?qū)I(yè)化的動詞才是加分項。

數(shù)字原則

多用數(shù)字其實是簡歷很好的加分項，數(shù)字的意義是將你的經(jīng)歷量化。豐富的數(shù)字比華麗的形容詞要更有說服力。

數(shù)字一般可以用于三種維度：價值，時間，數(shù)量。

牢記，能夠量化的內(nèi)容都量化，用數(shù)據(jù)展現(xiàn)你豐厚的經(jīng)歷。

結(jié)果原則

許多同學(xué)在經(jīng)歷描述時會忽略自己經(jīng)歷的最終成果，但結(jié)果是證明你經(jīng)歷價值的重要依據(jù)之一。

STAR法則

Situation 項目背景

介紹一下你所處的平臺和團(tuán)隊有多優(yōu)秀，以證明你曾經(jīng)的被認(rèn)可程度。

Task 項目目標(biāo)

介紹一下你們此項活動的具體目標(biāo)與設(shè)想，有時可以和上一部分進(jìn)行合并。

Action 你做了什么

說明你在團(tuán)隊中做出了怎樣的努力，充當(dāng)了怎樣的角色，發(fā)揮了什么樣的作用，以此展現(xiàn)你的個人實力和在團(tuán)隊中的成長與歷練。這一部分往往是最重要的。

Result 得到怎樣的結(jié)果

說明你最終取得了怎樣的工作成果，表述時可以參照上部分的“四大原則”。

公眾號后臺對話框發(fā)送：簡歷，會有幾十份大數(shù)據(jù)簡歷模板供你參考!

最后給大家一些高逼格的關(guān)鍵詞和動詞，僅供娛樂：

注：以下詞語簡歷及面試時可以用，但是別太過!

高逼格名詞：生命周期，價值轉(zhuǎn)化，強化認(rèn)知，資源傾斜，完善邏輯，抽離透傳，復(fù)用打法，商業(yè)模式，快速響應(yīng)，定性定量，關(guān)鍵路徑，去中心化，結(jié)果導(dǎo)向，垂直領(lǐng)域，歸因分析，體驗度量，信息屏障，資源整合

高逼格動詞：復(fù)盤，賦能，加持，沉淀，倒逼，落地，串聯(lián)，協(xié)同，反哺，兼容，包裝，重組，履約，響應(yīng)，量化，布局，聯(lián)動，細(xì)分，梳理，輸出，加速，共建，支撐，融合，聚合，集成，對標(biāo)，聚焦，抓手，拆解，抽象，摸索，提煉，打通，打透，吃透，遷移，分發(fā)，分裝，輻射，圍繞，復(fù)用，滲透，擴展，開拓，皮實，共創(chuàng)，共建，解耦，集成，對齊，拉齊，對焦，給到，拿到，死磕

你們對這些詞有什么看法呢。

最后，來一個面試官的死亡提問：

你這個問題的底層邏輯是什么?頂層設(shè)計在哪?最終交付價值是什么?過程的抓手在哪?如何保證回答閉環(huán)?你比別人的亮點在哪?優(yōu)勢在哪?你的思考和沉淀是什么?這個問題換成我來問是否會不一樣?你的獨特價值在哪?