Benar! Tidak pernah ada waktu yang lebih baik untuk menambahkan keahlian Hadoop ke resume Anda. Mari kita tentukan dengan beberapa fakta dan contoh.
Pernahkah Anda bertanya-tanya apa teknologi di balik fitur pemberian tag otomatis Facebook? Bagaimana dengan kamera pengintai yang mampu menghasilkan gambar sempurna meski dalam kondisi minim cahaya? Jawabannya adalah Hadoop dan kemampuannya yang luar biasa untuk menyimpan, memproses, dan mengambil data.
buat parameter di tablo
Menyimpan data adalah satu hal tetapi memproses dan menanyakannya adalah permainan bola yang sama sekali berbeda. Jika Big Data adalah tim Rugby, maka Hadoop adalah quarterback terbaik yang bisa Anda temukan!
Berkat Hadoop, Facebook dapat menyimpan semua informasi tentang seseorang dan menunjukkan waktu dan tanggal yang tepat dari suatu aktivitas di profilnya. Semua informasi tentang seseorang adalah Big Data dan Hadoop membantu menyajikan semuanya.
Semua data Hadoop disimpan di atas HDFS (Hadoop Distributed File System) yang dapat menampung data terstruktur dan tidak terstruktur. Pesaing Hadoop (seperti RDBMS dan Excel) hanya dapat menyimpan data terstruktur. Ini adalah faktor utama mengapa Hadoop adalah ayah besar yang menjalankan alat penanganan data tradisional demi uang mereka. Hadoop melakukan pemrosesan di dekat data sementara RDBMS membutuhkan data untuk ditransfer melalui jaringan melalui I / O untuk memproses data yang sama.
Inspirasi: Dapatkah Hadoop memprediksi hasil situasi berdasarkan kumpulan data?
Grafik ini menunjukkan pertumbuhan eksponensial data selama bertahun-tahun. Lihatlah lebih dekat dan Anda akan melihat bahwa data tidak terstruktur menyumbang 90% dari semua data di dunia. Cukup terapkan prinsip permintaan dan penawaran, dan kita dapat menyadari bahwa semakin banyak data tidak terstruktur yang beredar hanya memunculkan profesional yang dapat memperbaiki data ini. Itulah alasan yang cukup bagi seseorang untuk mencari pekerjaan yang berhubungan dengan data tidak terstruktur alias Big Data. Jangan ragu sama sekali bahwa ini adalah waktu yang tepat untuk mempelajari Hadoop.
Pada kenyataannya, seberapa efektif Hadoop dibandingkan dengan RDBMS?
konversi ganda menjadi integer java
Hadoop menjatuhkan alat penanganan data lainnya langsung dari taman. RDBMS dan Excel mungkin efisien dalam mengelola data tidak melebihi beberapa ratus lembar Excel, tetapi bagaimana dengan seribu file seperti itu yang perlu dipertahankan? Mari kembali ke contoh Facebook lagi. Log data yang berisi detail aktivitas pengguna Facebook tidak dapat disimpan di Excel, setidaknya tidak semua data historis pengguna yang berasal dari beberapa dekade. Selain itu, di Hadoop, data dapat disusun secara longgar tetapi RDBMS memerlukan data yang lebih konsisten dan dalam format yang dapat dikenali.
Lihatlah perbandingan antara RDBMS dan Hadoop dan Anda akan tahu sendiri mana yang lebih baik.
Saya punya satu statistik terakhir untuk Anda yang akan menutup semua keraguan apakah Hadoop adalah pilihan karir yang baikEs.
Grafik ini adalah ilustrasi dari meningkatnya permintaan untuk para profesional Hadoop dan hanya akan meningkat dalam beberapa minggu ke depan.
Sayangnya, Anda dan saya tidak dapat mengubah teknologi. Paling banter, kita dapat mengimbanginya dan mempelajari teknologi yang terus berkembang dan menjadi sangat diperlukan di tempat kerja kita. Ini adalah waktu yang tepat untuk mempelajari Hadoop dan memanfaatkan gelombang Big Data.
Ada pertanyaan untuk kami? Harap sebutkan di bagian komentar dan kami akan menghubungi Anda kembali.
Posting terkait:
apa yang dilakukan init dengan python