当你学会抄菜的时候,你就学会了大数据
最近在学习数仓跟BI,突然发现,结合自己所学会抄的菜。试着把学过的大数据重新理解一番,希望各位都能来一起讨论,共同进步。
走进厨房
走进厨房后,相信大家会看到各种锅碗瓢盆,案板,切菜刀,调料,橱柜,水池...........而这些就相当于是大数据的架构。
其中橱柜,相当于是Hadoop。橱柜可以储存各种食材,而Hadoop可以存储各种不同类的数据(结构化与非结构化)。而橱柜可以存放不同食材,比如不规整的豆腐块,大冬瓜,土豆....还有一些规整的食材,比如大米,小米,绿豆........规整的食材与不规整的食材的区别,各家有各家不同的规定,而一般的规定就是规格的食材要用袋子把它们装起来。这里就相当于是大数据里的数据整理流程。而这些半规整的食材要放到一个个小袋子里,比如说,淀粉,姜粉,蒜泥.....用袋子或者盒子把它们装好,放在相应橱柜的地方,就相当于我们大数据里说的ETL(抽取,封装,加载),以备后用。
而不同厂家的橱柜又会有不同的格子划分及存储区,比如:欧派,宜家的橱柜就会划分出很多小的分区来装不同的东西。而这一块就相当于HBase,灶台下边有专门用于凉碗的,还有抽油烟机旁边专门用于放刀具的区域,还有专门用于放各种锅的区域。而当HBase划分的好的时候,就对上层的MapReduce有很大的帮助,因为你各个区域规划的越好,当你开始抄菜的时候,取用各种餐具的时候就会更加的得心用手。
至于上边的Mahout,Pig,Hive就相当于你如何在橱柜中找到你相应的食材的过程,比如说,你要抄西红柿鸡蛋,你要找鸡蛋跟西红柿...........再往上走就是一个对厨房的整体管理了。你做过的哪些菜,或者你想按照某个食谱来做菜,你就要有一个本子写上你每次做菜的步骤,这个就相当于是FlumeL,而Sqoop就相当于萝卜擦,你想吃萝卜丝,你就要用工具把萝卜切成丝才可以,这里,用刀具可以,用萝卜擦会更高效。
再来说说Zookeeper吧!它就相当于把你经常用的几项工具放到离你做菜最近的一个橱柜中。方便管理这些工具。
好了,说完了Hadoop,再来说一说Spark.它跟橱柜的唯一不同就是:橱柜是给你全部安装固定好了的,而Spark这种橱柜是可以移动的橱柜,同时对于你经常用的工具,可以进行优先排序。让你更快的对食材进行加工。刚开始,你做完一道菜,要半个小时多,而当你熟练之后,加之Spark移动橱柜+优先推送食材(内存计算+可迭代算法),你可以在5分钟内就做完这道菜。
加工食材
实际上,我们食材的储存过程就相当于是一个数仓的建立过程,而在一个数仓的建立过程中。最重要的莫过于区分不同维度。比如在大数据里的Key+Value,Big list,实际上都是提供一种基于可扩展的列值存储。而在数据可视化中,数据多维分维里,也是强调数据的不同维度的区分。这里我们就以食材的区分为例来说明。
首先,厨房里的食材维度可以大致分析:蔬菜维度,禽肉维度,米面维度............不同的维度决定了你对食物的理解程度,比如:你可以把糯米放在米面维度,也可以放在糕点维度。所以数据的不同维度也取决于你对食材的功能及使用场景。再比如:把你香茹切的很小,晒干,然后碾成粉,要这些香茹粉就会从蔬菜维度进入到调料维度。
当我们明白了食材维度的这个概念之后,我们就要开始我们的加工了。是先抄,还是先炸,还是先热水汤一下,都是对食材的一种加工。这里就相当于对初始数据进行相应的整形。由于要用到不同的厨具,就涉及到前边讲的走进厨房的细节的。在大数据里,可以用不同的组件对原始数据进行处理。而在厨房,可以用不同的厨具对食材进行处理。比如:蒸馒头,可以用抄锅来蒸,同时可以用钢精锅来蒸。虽然都能达到能吃的地步。但是所用的时间及口感不同。这些也就相当于大数据里各种不同组件之间的动行效果。
最后,先感谢下我现在的公司,每个月不定期给我们发菜,同时也感谢下老婆,教会了我抄各种菜。最后,附一张我抄好的菜吧(先给它起一个响亮的名字:乱棍打死猪八戒!undefined )!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31