培训做大数据

① 培训大数据需要多长时间

大数据学习分以下3种情况
一、自学。学习能力强有一定开发基础的可以尝试自学，专虽然有点难属，但是还是有一些学习能力强的学生可以通过自学，自学一般都是根据自身碎片化时间进行学习，时间会比较长。自学的优点：是可以省下一笔学费，而且不占用自己的工作时间。自学的缺点：遇到问题难以解决，无老师辅导。无真实企业项目可以实训
二、企业内部学习。企业内部培养可造之材，由技术人员带，学习时间视企业情况而定。优点：上手快，有人带，无需支付费用缺点：机会少，大多数学生没有这样的机会
三、线下培训学习。线下培训学习时间5-6个月。可能有学生问为什么没有线上培训学习呢？对于学习大数据技术目前线上培训无法保证学生的学习质量，如果你能够在线上学会大数据技术的话，那么你就不需要培训了，通过自学就可以了！因为你属于学习能力强的那一小部分人

② 零基础培训大数据需要多长时间

大数据培训周期5-6个月左右。
但在您决定学大数据之前，还是建议您先确定一下自己是否适合学习大数据。

③ 现在培训机构出来的大数据，可以从事什么工作

大数据专业的前景是很不错的，薪资也是相当可观的，可以从事的工作有大数据分析内师、大容数据挖掘师/算法工程师、大数据工程师、大数据运维工程师、大数据仓库工程师、大数据产品经理、大数据架构师/资深大数据架构师等等这些都是很不错的，希望可以帮到你。

④ 我想去培训，是培训java好还是大数据好

按前途看，肯定大数据好，但是大数据对基础要求也更高

一般的Java培训主要是做信内息系统，而大数据，有平容台开发和数据分析两个方向，数据分析尤其对数学要求高， 对数字要求敏感

你有Java基础的话 应该不需要再培训Java，除非你想快速上手干活，否则对你基础帮助不会比自学大。而大数据这个不培训很难有机会转过去

所以建议你如果对自己数学基础有信心的话，去培训大数据

⑤ 培训大数据有什么要求

大数据作为一种重要的战略资产，已经不同程度地渗透到每个行业领域和内部门，其深容度应用不仅有助于企业经营活动，还有利于推动国民经济发展。研究表明，在医疗、零售和制造业都发挥着作用。

培训大数据最好是有数据库方面的基础，因为涉及到的数据处理，数据分析和数据挖掘方面的知识都会关联数据库相关的知识

⑥ 去培训大数据要多长时间

千锋教育是学习20周的，大约4个半月吧。

⑦ 大数据培训到底是培训什么

大数据培训，目前主要有两种：

1、大数据开发

数据工程师建设和优化系统。学内习hadoop、spark、storm、超大集群容调优、机器学习、Docker容器引擎、ElasticSearch、并发编程等；

2、数据分析与挖掘

一般工作包括数据清洗，执行分析和数据可视化。学习Python、数据库、网络爬虫、数据分析与处理等。

大数据培训一般是指大数据开发培训。

大数据技术庞大复杂，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、可视化等各种技术范畴和不同的技术层面。

⑧ 大数据培训学大数据以后可以做什么

在国内，与大数据相关的岗位主要分为以下几类：

数据分析师：运用工具，提取回、答分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力
数据挖掘师/算法工程师：数据建模、机器学习和算法实现，需要业务理解、熟悉算法和精通计算机编程
大数据工程师：运用编程语言实现数据平台和数据管道开发，需要计算机编程能力
数据架构师：高级算法设计与优化;数据相关系统设计与优化，有垂直行业经验最佳，需要平台级开发和架构设计能力

⑨ 想做大数据开发，可以培训吗

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。

Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。

Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapRece和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapRece是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。

Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapRece程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。

Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapRece、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。

Spark：它是用来弥补基于MapRece处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。