hbase 基本操作-hbase系列教程(3-3-82)

HBase本文目录一览：

• 1、大数据如何入门
• 2、关于hbase的描述正确的是
• 3、大数据学习路线是什么?
• 4、大数据采集与存储的基本步骤有哪些?
• 5、大数据要学哪些课程?
• 6、以下哪些场景比较适合hbase

大数据如何入门

数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。

理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。工具使用，包括挖掘工具、数据库、常用办公软件（excel、PPT、word、脑图）等。业务理解能力和对商业的敏感性。

从以上就能看出来，大数据工程师需要掌握的技能是很多的，初学者学大数据的话，最好是参加专业的培训，这是最省时省力效率最高的办法。

关于hbase的描述正确的是

关于hbase存储模型的描述正确的有四个。应用在FusionInsightHD的上层应用。HFS封装了Hbase与HDFS的接口。为上层应用提供文件存储、读取、删除等功能。HFS是：Hbase的独立模块。

关于hbase的描述正确的是是Google的BigTable的开源实现；运行于HDFS文件系统之上；HBase是一个开源的非关系型分布式数据库；主要用来存储非结构化和半结构化的松散数据。

A是错的，hbase是面向列的存储 D hbase可扩展性和海量数据存储，恰恰可以用在高并发场景。

正确描述如下：HBase提供了对大规模数据的随机、实时的读写访问，MapReduce是处理大规模数据的有效工具，可以用于对HBase中的数据进行批量处理。

MapReduce和HBase的关系，正确的描述是：两者不是强关联关系，没有MapReduce，HBase可以正常运行，MapReduce可以直接访问HBase。MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。

大数据学习路线是什么?

第一阶段为JAVASE+MYSQL+JDBC，主要学习一些Java语言的概念，如字符、流程控制、面向对象、进程线程、枚举反射等，学习MySQL数据库的安装卸载及相关操作，学习JDBC的实现原理以及Linux基础知识，是大数据刚入门阶段。

第二模块：大数据框架 Hadoop：重点学，毕竟大数据是以Hadoop起家的，里面就HDFS，MapReduces，YARN三个模块。Hive：先学会怎么用，当作一个工具来学习。

Java编程技术Java编程技术是大数据学习的基础。Java是一种具有高度跨平台能力的强类型语言。它可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等。是大数据工程师最喜欢的编程工具。

大数据采集与存储的基本步骤有哪些?

面向列的开源数据库Hbase，HBase是一种key/value系统，部署在HDFS上，与Hadoop一样，HBase的目标主要是依赖横向扩展，通过不断的增加廉价的商用服务器，增加计算和存储能力。

比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

数据分析 待获取数据后，用户可以根据自己的需求对这些数据进行分析处理，如数据挖掘、机器学习、数据统计等。

处理大数据的四个环节：收集：原始数据种类多样，格式、位置、存储、时效性等迥异。数据收集从异构数据源中收集数据并转换成相应的格式方便处理。

大数据要学哪些课程?

1、基础课程：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。

2、大数据专业 全称：数据科学与大数据技术，强调交叉学科特点，以大数据分析为核心，以统计学、计算机科学和数学为三大基础支撑性学科，培养面向多层次应用需求的复合型人才。

3、专业课程 专业基础课程：计算机网络技术、Web前端技术基础、Linux操作系统、程序设计基础、Python编程基础、数据库技术。

4、数据主要学：大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术等。

5、大数据专业主要学科目如下：数据科学与大数据技术（理学学位），以北京大学为例，主要课程包括：概率论、数理统计，应用多元统计分析， 实变函数，应用回归分析，贝叶斯理论与算法。

以下哪些场景比较适合hbase

1、数据查询模式已经确定，且不易改变，就是说hbase使用在某种种特定的情况下，且不能变动。告诉插入，大量读取。因为分布式系统对大量数据的存取更具优势。尽量少的有数据修改。

2、用户画像 比如大型的视频网站，电商平台产生的用户点击行为、浏览行为等等存储在HBase中为后续的智能推荐做数据支撑。

3、主要关注的是对数据的统计等方面。适合的场景：hbase：适合大型数据存储，其作用可以类比于传统数据库的作用，主要关注的数据的存取。hive：适合大数据的管理，统计，处理，其作用类比于传统的数据仓库，主要关注的数据的处理。

4、想象你在操作RMDB数据库，如果是全表扫描，就用Hive+Hadoop，如果是索引访问，就用HBase+Hadoop 。Hive query就是MapReduce jobs可以从5分钟到数小时不止，HBase是非常高效的，肯定比Hive高效的多。

5、Hive使用Hadoop来分析处理数据，而Hadoop系统是批处理系统，因此不能保证处理的低迟延问题；而HBase是近实时系统，支持实时查询。