數(shù)據(jù)分析需要用什么技術(shù)？java還python好一點(diǎn)？這是一個(gè)非常好的問(wèn)題，作為一名IT從業(yè)者，我來(lái)回答一下。首先，隨著大數(shù)據(jù)技術(shù)的落地應(yīng)用，數(shù)據(jù)分析作為大數(shù)據(jù)的常見(jiàn)任務(wù)會(huì)逐漸增多，未來(lái)不僅IT（互聯(lián)

數(shù)據(jù)分析需要用什么技術(shù)？java還python好一點(diǎn)？

這是一個(gè)非常好的問(wèn)題，作為一名IT從業(yè)者，我來(lái)回答一下。

首先，隨著大數(shù)據(jù)技術(shù)的落地應(yīng)用，數(shù)據(jù)分析作為大數(shù)據(jù)的常見(jiàn)任務(wù)會(huì)逐漸增多，未來(lái)不僅IT（互聯(lián)網(wǎng)）行業(yè)會(huì)需要進(jìn)行大量的數(shù)據(jù)分析，傳統(tǒng)行業(yè)領(lǐng)域也會(huì)逐漸釋放出大量的數(shù)據(jù)分析任務(wù)。

從當(dāng)前的技術(shù)體系來(lái)看，目前常見(jiàn)的數(shù)據(jù)分析有兩種，一種是統(tǒng)計(jì)學(xué)，另一種是機(jī)器學(xué)習(xí)，而無(wú)論采用哪種數(shù)據(jù)分析，通常都離不開(kāi)程序設(shè)計(jì)。當(dāng)前在生產(chǎn)環(huán)境下，數(shù)據(jù)分析任務(wù)通常都基于平臺(tái)來(lái)展開(kāi)，比如Hadoop、Spark就是比較常見(jiàn)的數(shù)據(jù)分析平臺(tái)。

在Hadoop和Spark平臺(tái)下，采用Java和Python都可以，同時(shí)也可以采用Scala和R等編程語(yǔ)言，開(kāi)發(fā)人員可以根據(jù)自身的知識(shí)結(jié)構(gòu)來(lái)選擇具體的編程語(yǔ)言，而對(duì)于初學(xué)者來(lái)說(shuō)，當(dāng)前學(xué)習(xí)Python語(yǔ)言是不錯(cuò)的選擇。

采用Python進(jìn)行數(shù)據(jù)分析有三方面好處，其一是Python語(yǔ)言自身比較簡(jiǎn)單易學(xué)，初學(xué)者很容易上手；其二是Python語(yǔ)言有眾多的庫(kù)可以使用，比如Numpy、Matplotlib、Pandas等，這些庫(kù)對(duì)于提升Python數(shù)據(jù)分析能力有非常直接的幫助；其三是Python語(yǔ)言本身就是一門(mén)全場(chǎng)景編程語(yǔ)言，具有較強(qiáng)的落地應(yīng)用能力。

從當(dāng)前的使用情況來(lái)看，在數(shù)據(jù)分析領(lǐng)域，Python語(yǔ)言的上升趨勢(shì)還是比較明顯的，而且數(shù)據(jù)分析人員也比較愿意使用Python，與Java語(yǔ)言主要應(yīng)用在IT（互聯(lián)網(wǎng)）行業(yè)不同，Python語(yǔ)言在傳統(tǒng)行業(yè)的應(yīng)用也比較普遍。

我從事互聯(lián)網(wǎng)行業(yè)多年，目前也在帶計(jì)算機(jī)專業(yè)的研究生，主要的研究方向集中在大數(shù)據(jù)和人工智能領(lǐng)域，我會(huì)陸續(xù)寫(xiě)一些關(guān)于互聯(lián)網(wǎng)技術(shù)方面的文章，感興趣的朋友可以關(guān)注我，相信一定會(huì)有所收獲。

如果有互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等方面的問(wèn)題，或者是考研方面的問(wèn)題，都可以在評(píng)論區(qū)留言，或者私信我！

Java轉(zhuǎn)大數(shù)據(jù)的學(xué)習(xí)線路是什么？

專業(yè)軟件開(kāi)發(fā), 在學(xué)校主攻Java, 現(xiàn)在Java開(kāi)發(fā)工作一年半.想轉(zhuǎn)大數(shù)據(jù)

1.先把linux環(huán)境搞熟，大數(shù)據(jù)很多技術(shù)都是部署在linux服務(wù)器的，熟練使用vi編輯文本

2.動(dòng)手部署hadoop，把hdfs，MapReduce跑起來(lái)

3.部署zookeeper

4.部署hbase，了解列式存儲(chǔ)的表設(shè)計(jì)方法

5.掌握hive的使用

6.spark streaming，storm流式計(jì)算

7.學(xué)學(xué)spark mllib,python為數(shù)據(jù)分析做準(zhǔn)備

有Java基礎(chǔ)轉(zhuǎn)行大數(shù)據(jù)，需要學(xué)習(xí)：

1、大數(shù)據(jù)基礎(chǔ)：Linux、Maven：Linux系統(tǒng)管理、Shell編程設(shè)計(jì)、Maven部署/配置/倉(cāng)庫(kù)、Maven POM

2、HDFS分布式文件系統(tǒng)

3、MapReduce分布式計(jì)算模型 Yarn分布式資源管理器 Zookeeper分布式協(xié)調(diào)服務(wù)

4、Hbase分布式數(shù)據(jù)庫(kù) Hive分布式數(shù)據(jù)倉(cāng)庫(kù)

5、FlumeNG分布式數(shù)據(jù)采集系統(tǒng) Sqoop大數(shù)據(jù)遷移系統(tǒng)

6、Scala大數(shù)據(jù)黃金語(yǔ)言 kafka分布式總線系統(tǒng)

7、SparkCore大數(shù)據(jù)計(jì)算基石 SparkSQL數(shù)據(jù)挖掘利器 SparkStreaming流式計(jì)算平臺(tái)

8、SparkMllib機(jī)器學(xué)習(xí)平臺(tái) SparkGraphx圖計(jì)算平臺(tái)

9、項(xiàng)目實(shí)戰(zhàn)

相關(guān)：

大數(shù)據(jù)開(kāi)發(fā)工程師，所學(xué)習(xí)的知識(shí)是做什么的

大數(shù)據(jù)學(xué)習(xí)誤區(qū)有哪些？大數(shù)據(jù)開(kāi)發(fā)和數(shù)據(jù)分析如何避免學(xué)習(xí)誤區(qū)？

、大數(shù)據(jù)基礎(chǔ)：Linux、Maven：Linux系統(tǒng)管理、Shell編程設(shè)計(jì)、Maven部署/配置/倉(cāng)庫(kù)、Maven POM