數(shù)據(jù)被譽(yù)為新時(shí)代的石油，隨著大數(shù)據(jù)市場(chǎng)的發(fā)展，數(shù)據(jù)開始流通，越來越多人也開始挖掘數(shù)據(jù)的價(jià)值。本文盡可能全面地介紹國內(nèi)的數(shù)據(jù)源、搜索數(shù)據(jù)的方法以及數(shù)據(jù)交易的平臺(tái)，幫助數(shù)據(jù)工作者們快速全面地找數(shù)據(jù)。文中涉及的數(shù)據(jù)交易方式包括API數(shù)據(jù)接口、數(shù)據(jù)包下載、數(shù)據(jù)定制等，涵蓋免費(fèi)的公開源數(shù)據(jù)以及付費(fèi)數(shù)據(jù)。以下是小編為你整理的大數(shù)據(jù)怎么自學(xué) ?

統(tǒng)計(jì)數(shù)據(jù) ?

*統(tǒng)計(jì)局/*數(shù)據(jù) ?

最正統(tǒng)、最官方的數(shù)據(jù)，數(shù)據(jù)范圍涵蓋各行各業(yè)，時(shí)間跨度也較大，可下載為各種常見格式 ?

*網(wǎng)站通常有統(tǒng)計(jì)數(shù)據(jù)，但不同*數(shù)據(jù)量有多有少，目前為止數(shù)據(jù)并不算深入，但隨著數(shù)據(jù)開放政策的深入，相信*網(wǎng)站會(huì)成為很好的數(shù)據(jù)源 ?

*列表可以在**網(wǎng)找，下文中的各行業(yè)數(shù)據(jù)都可以在相關(guān)的*網(wǎng)站找到數(shù)據(jù)，就不一一列舉了

數(shù)據(jù)需要申請(qǐng)或購買，公開的并不多，但不失為一個(gè)選擇 ?

咨詢、金融、市場(chǎng)調(diào)研公司，尤其是業(yè)內(nèi)頂尖的，通常有自己的數(shù)據(jù)，但同樣并不免費(fèi)公開，部分?jǐn)?shù)據(jù)可購買 ?

大部分主要行業(yè)都有自己的年鑒，數(shù)據(jù)比較寶貴，只是給機(jī)器用之前還需要處理;價(jià)值高的年鑒通常需要付費(fèi)獲取;這里推薦一下人大經(jīng)濟(jì)論壇，氛圍較好 ?

如何統(tǒng)計(jì)數(shù)據(jù) ?

公開信息及整理比如統(tǒng)計(jì)局的數(shù)據(jù)、公司自己發(fā)布的年報(bào)、其他市場(chǎng)機(jī)構(gòu)的研究報(bào)告、或者根據(jù)公開的零散信息整理; ?

購買的數(shù)據(jù)庫市場(chǎng)上有很多產(chǎn)品化的數(shù)據(jù)庫，比如Bloomberg、OneSource、Wind等等，這個(gè)一般是以公司的名義買入口，不光咨詢公司還有很多高等院校及研究機(jī)構(gòu)也買了; ?

自己的數(shù)據(jù)庫自己維護(hù)的數(shù)據(jù)庫有，但是比較少，一是專業(yè)的數(shù)據(jù)公司差不多能想到的都做了，二是自己做數(shù)據(jù)庫其實(shí)是一件很麻煩的事情。在有些數(shù)據(jù)是外界無法得到的情況下有可能自己維護(hù)一個(gè)小型的數(shù)據(jù)庫; ?

咨詢行業(yè)專家當(dāng)然是有償?shù)模@個(gè)在項(xiàng)目中應(yīng)該蠻常見的。有些行業(yè)專家會(huì)專門收集和銷售數(shù)據(jù)，想要的基本能買到。 ?

發(fā)問卷有時(shí)候?yàn)榱藛为?dú)的項(xiàng)目也會(huì)收集很特別的數(shù)據(jù)，如果外界實(shí)在沒有但是項(xiàng)目上沒有不行就只有自己做了，比如自己發(fā)發(fā)問卷之類的，但是這類數(shù)據(jù)需求要控制工作量，因?yàn)槌菙?shù)據(jù)本身是交付內(nèi)容之一，要不然不能為了個(gè)中間件花費(fèi)太多時(shí)間和精力; ?

客戶有些數(shù)據(jù)就是來源于客戶，甚至是咨詢公司的產(chǎn)品。舉個(gè)例子，比如HR咨詢公司的行業(yè)工資數(shù)據(jù)、四大的一些數(shù)據(jù)庫等等，這些數(shù)據(jù)的采集需要比較強(qiáng)的專業(yè)性或者時(shí)間積累，很大一部分是通過調(diào)查客戶的HR收集來的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)的。 ?

HBase集群及其管理 ?

1、集群的搭建過程 2、集群的監(jiān)控 3、集群的管理 ?

Pig基礎(chǔ)知識(shí) ?

Pig是進(jìn)行Hadoop計(jì)算的另一種框架，是一個(gè)高級(jí)過程語言，適合于使用 Hadoop 和 MapReduce 平臺(tái)來查詢大型半結(jié)構(gòu)化數(shù)據(jù)集。通過允許對(duì)分布式數(shù)據(jù)集進(jìn)行類似 SQL 的查詢，Pig 可以簡(jiǎn)化 Hadoop 的使用。 ?

1、Pig概述 2、安裝Pig 3、使用Pig完成手機(jī)流量統(tǒng)計(jì)業(yè)務(wù)

?

Hive ?

hive是基于Hadoop的一個(gè)數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡(jiǎn)單的sql查詢功能，可以將sql語句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行運(yùn)行。 其優(yōu)點(diǎn)是學(xué)習(xí)成本低，可以通過類SQL語句快速實(shí)現(xiàn)簡(jiǎn)單的MapReduce統(tǒng)計(jì)，不必開發(fā)專門的MapReduce應(yīng)用。 ?

1、數(shù)據(jù)倉庫基礎(chǔ)知識(shí) 2、Hive定義 3、Hive體系結(jié)構(gòu)簡(jiǎn)介 4、Hive集群 5、客戶端簡(jiǎn)介 6、HiveQL定義 7、HiveQL與SQL的比較 8、數(shù)據(jù)類型 9、表與表分區(qū)概念 10、表的操作與CLI客戶端 11、數(shù)據(jù)導(dǎo)入與CLI客戶端 12、查詢數(shù)據(jù)與CLI客戶端 13、數(shù)據(jù)的連接與CLI客戶端 14、用戶自定義函數(shù)(UDF) ?

Scala ?

Scala是另一種基于Java的語言，并且和Java相同的是，它正日益成為大規(guī)模機(jī)器學(xué)習(xí)，或構(gòu)建高層次算法的工具。它富有表現(xiàn)力，并且還能夠構(gòu)建健壯的系統(tǒng)。 ?

“Java就像是建造時(shí)的鋼鐵，而Scala則像黏土，因?yàn)槟阒罂梢詫⒅湃敫G內(nèi)轉(zhuǎn)變成鋼鐵，”Driscoll說。 ?

Kafka和Storm ?

那么，當(dāng)你需要快速實(shí)時(shí)的分析時(shí)又該怎么辦呢?Kafka會(huì)成為你的好朋友。它大概5年前就已經(jīng)出現(xiàn)了，但是直到最近才成為流處理的流行框架。 ?

Kafka，誕生于LinkedIn內(nèi)部，是一個(gè)超快速的查詢消息系統(tǒng)。Kafka的缺點(diǎn)?好吧，它太快了。在實(shí)時(shí)操作時(shí)會(huì)導(dǎo)致自身出錯(cuò)，并且偶爾地會(huì)遺漏東西。 ?

“有精度和速度之間有一個(gè)權(quán)衡，”Driscoll說， “因此，硅谷所有的大型高科技公司都會(huì)使用兩條管道：Kafka或Storm用于實(shí)時(shí)處理，然后Hadoop用于批處理系統(tǒng)，此時(shí)雖然是緩慢的但超級(jí)準(zhǔn)確?！? ?

Storm是用Scala編寫的另一個(gè)框架，它在硅谷中因?yàn)榱魈幚矶艿搅舜罅康那嗖A。它被Twitter納入其中，勿庸置疑的，這樣一來，Twitter就能在快速事件處理中得到巨大的裨益。 ?

MatLab ?

MatLab一直以來長(zhǎng)盛不衰，盡管它要價(jià)不菲，但它仍然被廣泛使用在一些非常特殊的領(lǐng)域：研究密集型機(jī)器學(xué)習(xí)，信號(hào)處理，圖像識(shí)別，僅舉幾例。 ?

Octave ?

Octave和MatLab非常相似，但它是免費(fèi)的。不過，它在學(xué)術(shù)性信號(hào)處理圈子之外很少見到。 ?

GO是另一個(gè)正在掀起浪潮的后起之秀。它由Google開發(fā)，從C語言松散地派生，并在構(gòu)建健壯基礎(chǔ)設(shè)施上，正在贏得競(jìng)爭(zhēng)對(duì)手，例如Java和Python的份額。 ?