知識布局-大數據-基礎組件學習

03-27

前言

本人是一枚熱愛新技術的程序猿，想在知乎文藝一下。由於水平有限，如果存在知識點上面的錯誤，請大神明確指出，我會認真聽取，並及時修正自己的錯誤。

1.為什麼要寫這篇文章

現在大數據很火，很多人都想轉行去做大數據。本人在三年前也是一樣的心態。現在我想聊聊我所理解的大數據。想通過本文，我想梳理一下自己的觀點，明確自己將來的方向。

2.大數據基礎組件的組成

本人將大數據的基礎組件分成6層。分別是，採集層，接入層，數據etl層，計算層，存儲層，展示層。如下圖所示：

通過上面的圖片，我們可以發現，大數據分析技術落地後，就是不同的組件。他們在不同的層次上面發揮了不同的作用。

上面的組件中，計算層和存儲層比較關鍵。

3.如何入門大數據行業

想轉行做大數據，這個其實很好辦。在第二章中，我們剖析了大數據技術的基礎組成。通過他的基礎組成，我們發現，只要我們掌握了這些組件。我們就可以實現轉行進入大數據行業的目標。也就是說，抓住計算層和存儲層的那些組件，把他們的安裝方法、使用方法掌握，就達到了轉行大數據的目的。這也就是一個入門，並不是說能成為大神。

4.學習組件使用的難度如何？

上面的組件都是應用，從知識的應用的角度來講，一般都很簡單。還沒有見過一個應用產品非常難用的。所以，想轉行大數據，學習成本不是很高，對大多數人來說，也不存在知識壁壘。

5.危機

分析了如何入門大數據行業和學習大數據組件的難度後，我發現，這個行業其實並不是那麼厲害。組件用的6，很多問題都可迎刃而解，並不需要投入太多。這樣子的話，時間久了，其實大數據開發就和之前的vb拖控制項開發類似了。你說恐怖不恐怖？拖控制項的時間長些，優勢就是拖的快些。本質上並沒有太大的競爭優勢。時間會讓自己的技能貶值。如果只是裝裝組件，會調用一些組件的api，勢必會在將來的競爭中處於劣勢地位。

6.未來

通過我畫的那個大數據組件圖片，我們發現大數據的組件繁多。一個人的精力有限，不可能樣樣精通。也就是說：

a.你精通的組件越多，你的優勢越明顯

在大數據的發展過程中，新的組件越來越多，知識更新速度非常快。也就是說：

b.你時刻都在學習新的組件，你的優勢越明顯

我們如果能夠進行改造組件或者發明組件，那麼也是一個出路（較難），也就是說：

c.刻苦學習組件的源碼，能夠改造組件，厲害的人，能夠發明新的組件，就更有優勢

現在，ai越來越火，也就是說：

d.在這些組件上面，進行ml，增加自己競爭優勢