大數據rpc

❶ 做大數據分析一般用什麼軟體

大數據分析是研究大量的數據的過程中尋找模式，相關性和其他有用的信息，可以幫助企業更好地適應變化，並做出更明智的決策。下面整理了一些大數據分析能用到的工具，助力大家更好的應用大數據技術。
一、hadoop
Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop 是高效的，因為它以並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
Hadoop帶有用 Java 語言編寫的框架，因此運行在 Linux 生產平台上是非常理想的。Hadoop 上的應用程序也可以使用其他語言編寫，比如 C++。
二、HPCC
HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了「重大挑戰項目：高性能計算與 通信」的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆比特網路技術，擴展研究和教育機構及網路連接能力。
三、Storm
Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。Storm很簡單，支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、Admaster等等。
Storm有許多應用領域：實時分析、在線機器學習、不停頓的計算、分布式RPC(遠過程調用協議，一種通過網路從遠程計算機程序上請求服務)、ETL(Extraction-Transformation-Loading的縮寫，即數據抽取、轉換和載入)等等。Storm的處理速度驚人：經測 試，每個節點每秒鍾可以處理100萬個數據元組。Storm是可擴展、容錯，很容易設置和操作。
四、SPSS軟體
我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。
五、RapidMiner
RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。

❷ 大數據好嗎想轉行大數據！

大數據時代是社會進步的必然結果，給人們的生活帶來了一系列的便利。例如回訂餐，平台會根答據以往的消費記錄為用戶推薦更適合的美食，節省了用戶選擇的時間。而在京東淘寶等購物平台上則更加明顯，用戶搜索為某種商品，平台便會推薦類似的產品。

大數據，是發現規律、檢驗規律的客觀事實。對社會的影響，主要取決於使用大數據的目的，用於造福社會，其影響就好，反之，其影響就不好。

未來十年大數據的發展前景都非常好，目前行業需求大，人才十分缺乏

如今重視數據的機構已經越來越多，上到國防部，下到互聯網創業公司、金融機構需要通過大數據項目來做創新驅動，需要數據分析或處理崗位也很多;常見的食品製造、零售電商、醫療製造、交通檢測等也需要數據分析與處理，如優化庫存，降低成本，預測需求等。對於想要學習大數據的小夥伴，就目前來看。就業情況是非常好的

❸ 大數據分析一般用什麼工具分析

在大數據處理分析過程中常用的六大工具：

1、

Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop 是高效的，因為它以並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。

2、HPCC

HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了「重大挑戰項目：高性能計算與 通信」的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國 實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。

3、Storm

Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。Storm很簡單，支持許多種編程語言，使用起來非常有趣。

4、Apache Drill

為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。Apache Drill 實現了 Google's Dremel.

據Hadoop廠商MapR Technologies公司產品經理Tomer Shiran介紹，「Drill」已經作為Apache孵化器項目來運作，將面向全球軟體工程師持續推廣。

5、RapidMiner

RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。

6、Pentaho BI

Pentaho BI 平台不同於傳統的BI 產品，它是一個以流程為中心的，面向解決方案(Solution)的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等組件集成起來，方便商務智能應用的開發。它的出現，使得一系列的面向商務智能的獨立產品如Jfree、Quartz等等，能夠集成在一起，構成一項項復雜的、完整的商務智能解決方案。

❹ 常見的大數據分析工具有哪些

大數據分析的前瞻性使得很多公司以及企業都開始使用大數據分析對公司的決策做出幫助，而大數據分析是去分析海量的數據，所以就不得不藉助一些工具去分析大數據，。一般來說，數據分析工作中都是有很多層次的，這些層次分別是數據存儲層、數據報表層、數據分析層、數據展現層。對於不同的層次是有不同的工具進行工作的。下面小編就對大數據分析工具給大家好好介紹一下。
首先我們從數據存儲來講數據分析的工具。我們在分析數據的時候首先需要存儲數據，數據的存儲是一個非常重要的事情，如果懂得資料庫技術，並且能夠操作好資料庫技術，這就能夠提高數據分析的效率。而數據存儲的工具主要是以下的工具。
1、MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
2、SQL Server的最新版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
3、DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台;
接著說數據報表層。一般來說，當企業存儲了數據後，首先要解決報表的問題。解決報表的問題才能夠正確的分析好資料庫。關於數據報表所用到的數據分析工具就是以下的工具。
1、Crystal Report水晶報表，Bill報表，這都是全球最流行的報表工具，非常規范的報表設計思想，早期商業智能其實大部分人的理解就是報表系統，不藉助IT技術人員就可以獲取企業各種信息——報表。
2、Tableau軟體，這個軟體是近年來非常棒的一個軟體，當然它已經不是單純的數據報表軟體了，而是更為可視化的數據分析軟體，因為很多人經常用它來從資料庫中進行報表和可視化分析。
第三說的是數據分析層。這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具;
1、Excel軟體，首先版本越高越好用這是肯定的;當然對Excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作!但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體;
2、SPSS軟體：當前版本是18，名字也改成了PASW Statistics;我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。
最後說表現層的軟體。一般來說表現層的軟體都是很實用的工具。表現層的軟體就是下面提到的內容。
1、PowerPoint軟體：大部分人都是用PPT寫報告。
2、Visio、SmartDraw軟體：這些都是非常好用的流程圖、營銷圖表、地圖等，而且從這里可以得到很多零件;
3、Swiff Chart軟體：製作圖表的軟體，生成的是Flash

❺ rpc框架都有哪些rmi bbo

Dubbo分層

config（配置層 ）

proxy（服務代理層）

registry（ 注冊中心層）

cluster（ 路由層）

monitor（ 監控層）

protocol（ 遠程調用層）

exchange（ 信息交換層）

transport（ 網路傳輸層）

serialize（ 數據序列化層）

對外配置介面
以ServiceConfig, ReferenceConfig為中心，可以直接new配置類，也可以通過spring解析配置生成配置類
Javassist ProxyFactory
Jdk ProxyFactory
服務介面透明代理，生成服務的客戶端Stub和伺服器端Skeleton
以ServiceProxy為中心，擴展介面為ProxyFactory
選擇

Zookeeper

Redis

Multicast

Simple

支持基於網路的集群方式，有廣泛周邊開源產品，建議使用bbo-2.3.3以上版本（推薦使用）
依賴於Zookeeper的穩定性
支持基於客戶端雙寫的集群方式，性能高
要求伺服器時間同步，用於檢查心跳過期臟數據
去中心化，不需要安裝注冊中心
依賴於網路拓普和路由，跨機房有風險
Dogfooding，注冊中心本身也是一個標準的RPC服務
沒有集群支持，可能單點故障
封裝服務地址的注冊與發現
以服務URL為中心，擴展介面為RegistryFactory, Registry, RegistryService
選擇

Spring

Jetty

Log4j

自動載入META-INF/spring目錄下的所有Spring配置
啟動一個內嵌Jetty，用於匯報狀態
大量訪問頁面時，會影響伺服器的線程和內存
自動配置log4j的配置，在多進程啟動時，自動給日誌文件按進程分目錄
用戶不能控制log4j的配置，不靈活
條件路由

腳本路由

基於條件表達式的路由規則，功能簡單易用
有些復雜多分支條件情況，規則很難描述
基於腳本引擎的路由規則，功能強大
沒有運行沙箱，腳本能力過於強大，可能成為後門
Random

RoundRobin

LeastActive

ConsistentHash

隨機，按權重設置隨機概率（推薦使用）
在一個截面上碰撞的概率高，重試時，可能出現瞬間壓力不均
輪循，按公約後的權重設置輪循比率
存在慢的機器累積請求問題，極端情況可能產生雪崩
最少活躍調用數，相同活躍數的隨機，活躍數指調用前後計數差，使慢的機器收到更少請求
不支持權重，在容量規劃時，不能通過權重把壓力導向一台機器壓測容量
一致性Hash，相同參數的請求總是發到同一提供者，當某一台提供者掛時，原本發往該提供者的請求，基於虛擬節點，平攤到其它提供者，不會引起劇烈變動
壓力分攤不均
Failover

Failfast

Failsafe

Failback

Forking

Broadcast

失敗自動切換，當出現失敗，重試其它伺服器，通常用於讀操作（推薦使用）
重試會帶來更長延遲
快速失敗，只發起一次調用，失敗立即報錯,通常用於非冪等性的寫操作
如果有機器正在重啟，可能會出現調用失敗
失敗安全，出現異常時，直接忽略，通常用於寫入審計日誌等操作
調用信息丟失
失敗自動恢復，後台記錄失敗請求，定時重發，通常用於消息通知操作
不可靠，重啟丟失
並行調用多個伺服器，只要一個成功即返回，通常用於實時性要求較高的讀操作
需要浪費更多服務資源
廣播調用所有提供者，逐個調用，任意一台報錯則報錯，通常用於更新提供方本地狀態
速度慢，任意一台報錯則報錯
封裝多個提供者的路由及負載均衡，並橋接注冊中心
以Invoker為中心，擴展介面為Cluster, Directory, Router, LoadBalance
Cluster選擇

Router選擇

路由規則

容器

RPC調用次數和調用時間監控
以Statistics為中心，擴展介面為MonitorFactory, Monitor, MonitorService
Dubbo協議

Rmi協議

Hessian協議

連接個數：單連接
連接方式：長連接
傳輸協議：TCP
傳輸方式：NIO非同步傳輸
序列化：Hessian二進制序列化
適用范圍：傳入傳出參數數據包較小（建議小於100K），消費者比提供者個數多，單一消費者無法壓滿提供者，盡量不要用bbo協議傳輸大文件或超大字元串。
適用場景：常規遠程服務方法調用
採用NIO復用單一長連接，並使用線程池並發處理請求，減少握手和加大並發效率，性能較好（推薦使用）
適合於小數據量大並發的服務調用，以及服務消費者機器數遠大於服務提供者機器數的情況
Dubbo預設協議不適合傳送大數據量的服務，比如傳文件，傳視頻等，除非請求量很低
Dubbo協議預設每服務每提供者每消費者使用單一長連接，如果數據量較大，可以使用多個連接
為防止被大量連接撐掛，可在服務提供方限制大接收連接數，以實現服務提供方自我保護
在大文件傳輸時，單一連接會成為瓶頸
總結

可與原生RMI互操作，基於TCP協議
偶爾會連接失敗，需重建Stub
參數及返回值需實現Serializable介面
參數及返回值不能自定義實現List, Map, Number, Date, Calendar等介面，只能用JDK自帶的實現，因為hessian會做特殊處理，自定義實現類中的屬性值都會丟失
連接個數：多連接
連接方式：短連接
傳輸協議：HTTP
傳輸方式：同步傳輸
序列化：Hessian二進制序列化
適用范圍：傳入傳出參數數據包較大，提供者比消費者個數多，提供者壓力較大，可傳文件
適用場景：頁面傳輸，文件傳輸，或與原生hessian服務互操作
提供者用Dubbo的Hessian協議暴露服務，消費者直接用標准Hessian介面調用
或者提供方用標准Hessian暴露服務，消費方用Dubbo的Hessian協議調用
基於Hessian的遠程調用協議
可與原生Hessian互操作，基於HTTP協議
需hessian.jar支持，http短連接的開銷大
Hessian協議用於集成Hessian的服務，Hessian底層採用Http通訊，採用Servlet暴露服務，Dubbo預設內嵌Jetty作為伺服器實現
可以和原生Hessian服務互操作

總結

約束

封裝RPC調用
以Invocation, Result為中心，擴展介面為Protocol, Invoker, Exporter
選擇

封裝請求響應模式，同步轉非同步
以Request, Response為中心，擴展介面為Exchanger, ExchangeChannel,ExchangeClient, ExchangeServer
Netty

Mina

Grizzly

性能較好（推薦使用）
一次請求派發兩種事件，需屏蔽無用事件
老牌NIO框架，穩定
待發送消息隊列派發不及時，大壓力下，會出現FullGC
Sun的NIO框架，應用於GlassFish伺服器中
線程池不可擴展，Filter不能攔截下一Filter
抽象mina和netty為統一介面
以Message為中心，擴展介面為Channel, Transporter, Client, Server, Codec
選擇

Hessian

Dubbo

Json

Java

性能較好，多語言支持（推薦使用）
Hessian的各版本兼容性不好，可能和應用使用的Hessian沖突，Dubbo內嵌了hessian3.2.1的源碼
通過不傳送POJO的類元信息，在大量POJO傳輸時，性能較好
當參數對象增加欄位時，需外部文件聲明
純文本，可跨語言解析，預設採用FastJson解析
性能較差
Java原生支持
性能較差
可復用的一些工具
擴展介面為Serialization, ObjectInput, ObjectOutput, ThreadPool
選擇

Business

RPC

Remoting

Service
Config
Proxy
Registry
Cluster
Monitor
Protocol
Exchange
Transport
Serialize
層次結構

層說明

❻ 大數據開發必用的分布式框架有哪些

Spark
Spark用比較少的Scala代碼實現，跟Hadoop基於分布式文件IO操作方式不同，Spark盡可能利用內存去做迭代計算，並使用mesos管理機器資源分配。
hadoop

Hadoop 是一個分布式系統基礎架構，由Apache基金會開發。用戶可以在不了解分布式底層細節的情況下，開發分布式程序。充分利用集群的威力高速運算和存儲。Hadoop實現了一個分布式文件系統（Hadoop Distributed File System），簡稱HDFS。HDFS有著高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬體上。而且它提供高傳輸率（high throughput）來訪問應用程序的數據，適合那些有著超大數據集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求（requirements）這樣可以流的形式訪問（streaming access）文件系統中的數據。
bbo
Dubbo是一個阿里巴巴開源出來的一個分布式服務框架，致力於提供高性能和透明化的RPC遠程服務調用方案，以及SOA服務治理方案。其核心部分包含:
遠程通訊: 提供對多種基於長連接的NIO框架抽象封裝，包括多種線程模型，序列化，以及「請求-響應」模式的信息交換方式。
集群容錯: 提供基於介面方法的透明遠程過程調用，包括多協議支持，以及軟負載均衡，失敗容錯，地址路由，動態配置等集群支持。
自動發現: 基於注冊中心目錄服務，使服務消費方能動態的查找服務提供方，使地址透明，使服務提供方可以平滑增加或減少機器。
Fourinone則是通過多個包工頭多環節鏈式處理和包工頭內部多階段處理的粗細粒度方式支持迭代類型計算，對於內存的使用提供完整的單機小型緩存和多機分布式緩存功能（詳見第4章）。因此，通過提供多環節計算支持和分布式緩存功能，也能實現Spark基於內存完成迭代計算的機制。

❼ 大數據分析一般用什麼工具呢

大數據是寶藏，人工智慧是工匠。大數據給了我們前所未有的收集海量信息的可能，因為數據交互廣闊，存儲空間近乎無限，所以我們再也不用因「沒地方放」而不得棄掉那些「看似無用」的數據。
在浩瀚的數據中，如果放置這些數據，不去分析整理，那就相當於一堆廢的數據，對我們的發展沒有任何意義。今天給大家分享的就是：大數據分析工具的介紹和使用。
工具一：Pentaho BI
Pentaho BI和傳統的一些BI產品不一樣，這個框架以流程作為中心，再面向Solution(解決方案)。Pentaho BI的主要目的是集成一系列API、開源軟體以及企業級別的BI產品，便於商務智能的應用開發。自從Pentaho BI出現後，它使得Quartz、Jfree等面向商務智能的這些獨立產品，有效的集成一起，再構成完整且復雜的一項項商務智能的解決方案。

工具二：RapidMiner
在世界范圍內，RapidMiner是比較好用的一個數據挖掘的解決方案。很大程度上，RapidMiner有比較先進的技術。RapidMiner數據挖掘的任務涉及了很多的范圍，主要包括可以簡化數據挖掘的過程中一些設計以及評價，還有各類數據藝術。
工具三：Storm
Storm這個實時的計算機系統，它有分布式以及容錯的特點，還是開源軟體。Storm可以對非常龐大的一些數據流進行處理，還可以運用在Hadoop批量數據的處理。Storm支持各類編程語言，而且很簡單，使用它時相當有趣。像阿里巴巴、支付寶、淘寶等都是它的應用企業。
工具四：HPCC
某個國家為了實施信息高速路施行了一個計劃，那就是HPCC。這個計劃總共花費百億美元，主要目的是開發可擴展的一些計算機系統及軟體，以此來開發千兆比特的網路技術，還有支持太位級網路的傳輸性能，進而拓展研究同教育機構與網路連接的能力。
工具五：Hadoop
Hadoop這個軟體框架主要是可伸縮、高效且可靠的進行分布式的處理大量數據。Hadoop相當可靠，它假設了計算元素以及存儲可能失敗，基於此，它為了保證可以重新分布處理失敗的節點，維護很多工作數據的副本。Hadoop可伸縮，是因為它可以對PB級數據進行處理。
當數據變得多多益善，當移動設備、穿戴設備以及其他一切設備都變成了數據收集的「介面」，我們便可以盡可能的讓數據的海洋變得浩瀚無垠，因為那裡面「全都是寶」。

❽ 大數據分析一般用什麼工具分析

大數據分析的前瞻性使得很多公司以及企業都開始使用大數據分析對公司的決策做出幫助，而大數據分析是去分析海量的數據，所以就不得不藉助一些工具去分析大數據，。一般來說，數據分析工作中都是有很多層次的，這些層次分別是數據存儲層、數據報表層、數據分析層、數據展現層。對於不同的層次是有不同的工具進行工作的。下面小編就對大數據分析工具給大家好好介紹一下。

首先我們從數據存儲來講數據分析的工具。我們在分析數據的時候首先需要存儲數據，數據的存儲是一個非常重要的事情，如果懂得資料庫技術，並且能夠操作好資料庫技術，這就能夠提高數據分析的效率。而數據存儲的工具主要是以下的工具。

1、MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。

2、SQL Server的最新版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。

3、DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台;

接著說數據報表層。一般來說，當企業存儲了數據後，首先要解決報表的問題。解決報表的問題才能夠正確的分析好資料庫。關於數據報表所用到的數據分析工具就是以下的工具。

1、Crystal Report水晶報表，Bill報表，這都是全球最流行的報表工具，非常規范的報表設計思想，早期商業智能其實大部分人的理解就是報表系統，不藉助IT技術人員就可以獲取企業各種信息——報表。

2、Tableau軟體，這個軟體是近年來非常棒的一個軟體，當然它已經不是單純的數據報表軟體了，而是更為可視化的數據分析軟體，因為很多人經常用它來從資料庫中進行報表和可視化分析。

第三說的是數據分析層。這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具;

1、Excel軟體，首先版本越高越好用這是肯定的;當然對Excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作!但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體;

2、SPSS軟體：當前版本是18，名字也改成了PASW Statistics;我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。

最後說表現層的軟體。一般來說表現層的軟體都是很實用的工具。表現層的軟體就是下面提到的內容。

1、PowerPoint軟體：大部分人都是用PPT寫報告。

2、Visio、SmartDraw軟體：這些都是非常好用的流程圖、營銷圖表、地圖等，而且從這里可以得到很多零件;

3、Swiff Chart軟體：製作圖表的軟體，生成的是Flash

❾ 大數據分析工具有哪些，有什麼特點

數據分析再怎麼說也是一個專業的領域，沒有數學、統計學、資料庫這些知識的支撐，對於我們這些市場、業務的人員來說，難度真的不是一點點。從國外一線大牌到國內宣傳造勢強大的品牌，我們基本試用了一個遍，總結一句話「人人都是數據分析師」這個坑實在太大，所有的數據分析工具無論宣傳怎樣，都有一定的學習成本，尤其是要深入業務實際。今天就我們用過的幾款工具簡單總結一下，與大家分享。
1、Tableau
這個號稱敏捷BI的扛把子，魔力象限常年位於領導者象限，界面清爽、功能確實很強大，實至名歸。將數據拖入相關區域，自動出圖，圖形展示豐富，交互性較好。圖形自定義功能強大，各種圖形參數配置、自定義設置可以靈活設置，具備較強的數據處理和計算能力，可視化分析、互動式分析體驗良好。確實是一款功能強大、全面的數據可視化分析工具。新版本也集成了很多高級分析功能，分析更強大。但是基於圖表、儀錶板、故事報告的邏輯，完成一個復雜的業務匯報，大量的圖表、儀錶板組合很費事。給領導匯報的PPT需要先一個個截圖，然後再放到PPT裡面。作為一個數據分析工具是合格的，但是在企業級這種應用匯報中有點局限。
2、PowerBI
PowerBI是蓋茨大佬推出的工具，我們也興奮的開始試用，確實完全不同於Tableau的操作邏輯，更符合我們普通數據分析小白的需求，操作和Excel、PPT類似，功能模塊劃分清晰，上手真的超級快，圖形豐富度和靈活性也是很不錯。但是說實話，畢竟剛推出，系統BUG很多，可視化分析的功能也比較簡單。雖然有很多復雜的數據處理功能，但是那是需要有對Excel函數深入理解應用的基礎的，所以要支持復雜的業務分析還需要一定基礎。不過版本更新倒是很快，可以等等新版本。
3、Qlik
和Tableau齊名的數據可視化分析工具，QlikView在業界也享有很高的聲譽。不過Qlik Seanse產品系列才在大陸市場有比較大的推廣和應用。真的是一股清流，界面簡潔、流程清晰、操作簡單，交互性較好，真的是一款簡單易用的BI工具。但是不支持深度的數據分析，圖形計算和深度計算功能缺失，不能滿足復雜的業務分析需求。

最後將視線聚焦國內，目前搜索排名和市場宣傳比較好的也很多，永洪BI、帆軟BI、BDP等。不過經過個人感覺整體宣傳大於實際。
4、永洪BI
永洪BI功能方面應該是相對比較完善的，也是拖拽出圖，有點類似Tableau的邏輯，不過功能與Tableau相比還是差的不是一點半點，但是操作難度居然比Tableau還難。預定義的分析功能比較豐富，圖表功能和靈活性較大，但是操作的友好性不足。宣傳擁有高級分析的數據挖掘功能，後來發現就集成了開源的幾個演算法，功能非常簡單。而操作過程中大量的彈出框、難以理解含義的配置項，真的讓人很暈。一個簡單的堆積柱圖，就研究了好久，看幫助、看視頻才搞定。哎，只感嘆功能藏得太深，不想給人用啊。
5、帆軟BI
再說號稱FBI的帆軟BI，帆軟報表很多國人都很熟悉，功能確實很不錯，但是BI工具就真的一般般了。只能簡單出圖，配合報表工具使用，能讓頁面更好看，但是比起其他的可視化分析、BI工具，功能還是比較簡單，分析的能力不足，功能還是比較簡單。帆軟名氣確實很大，號稱行業第一，但是主要在報表層面，而數據可視化分析方面就比較欠缺了。
6、Tempo
另一款工具，全名叫「Tempo大數據分析平台」，宣傳比較少，2017年Gartner報告發布後無意中看到的。是一款BS的工具，申請試用也是費盡了波折啊，永洪是不想讓人用，他直接不想賣的節奏。
第一次試用也是一臉懵逼，不知道該點那！不過抱著破罐子破摔的心態稍微點了幾下之後，操作居然越來越流暢。也是拖拽式操作，數據可視化效果比較豐富，支持很多便捷計算，能滿足常用的業務分析。最最驚喜的是它還支持可視化報告導出PPT，徹底解決了分析結果輸出的問題。深入了解後，才發現他們的核心居然是「數據挖掘」，演算法十分豐富，也是拖拽式操作，我一個文科的分析小白，居然跟著指導和說明做出了一個數據預測的挖掘流，簡直不要太驚喜。掌握了Tempo的基本操作邏輯後，居然發現他的易用性真的很不錯，功能完整性和豐富性也很好。不過沒有宣傳也是有原因的，系統整體配套的介紹、操作說明的完善性上還有待提升。

❿ 誰能用通俗的語言解釋一下什麼是RPC框架

早期單機時代，一台電腦上運行多個進程，大家各干各的，老死不相往來。假如A進程需要一個畫圖的功能，B進程也需要一個畫圖的功能，程序員就必須為兩個進程都寫一個畫圖的功能。這不是整人么？於是就出現了IPC（Inter-process communication，單機中運行的進程之間的相互通信）。OK，現在A既然有了畫圖的功能，B就調用A進程上的畫圖功能好了，程序員終於可以偷下懶了。

到了網路時代，大家的電腦都連起來了。以前程序只能調用自己電腦上的進程，能不能調用其他機器上的進程呢？於是就程序員就把IPC擴展到網路上，這就是RPC（遠程過程調用）了。現在不僅單機上的進程可以相互通信，多機器中的進程也可以相互通信了。

要知道實現RPC很麻煩呀，什麼多線程、什麼Socket、什麼I/O，都是讓咱們普通程序員很頭疼的事情。於是就有牛人開發出RPC框架（比如，CORBA、RMI、Web Services、RESTful Web Services等等）。

OK，現在可以定義RPC框架的概念了。簡單點講，RPC框架就是可以讓程序員來調用遠程進程上的代碼一套工具。有了RPC框架，咱程序員就輕松很多了，終於可以逃離多線程、Socket、I/O的苦海了。

至於最近Java中流行的Netty，沒玩過。但是大致了解過，Netty、Mina是游戲行業做伺服器開發的Java程序員用的比較多的PRC框架（我們學生主要是Java方向的，有不少人畢業後從事游戲開發）。據說互聯網公司用的也比較多。這兩行業都有高並發量的、長連接、分布式、非同步通訊、大數據量等特點。Netty這種RPC框架封裝和優化了Java NIO和非同步網路編程的一些繁瑣的細節，一方面可以讓開發者專注於業務邏輯的實現，一方面只需要調用Netty封裝的API就可以很快編寫出高性能的伺服器。