程序员想从事大数据，必须掌握这10个技能！

用雨后春笋来形容每天来自全球的新项目，一点都不为过，尤其是与大数据相关的。逆水行舟，不进则退，没有更多的技术作为支撑，程序员们小心脚步会跟不上哦。下面就来盘点10个洪荒开源大数据技术，大圣众包威客平台（www.dashengzb.cn）为你倾情整理！

1.Apache Beam

ApacheBeam在Java中提供统一的数据进程管道开发，并且能够很好地支持Spark和Flink。而且，它提供了很多在线框架，省却了开发者很多学习框架的时间精力。

2.Apache Hive2.1

Hive是建立在Hadoop上的数据仓库基础构架。随着最新版本的发布，ApacheHive的性能和功能都得到了全面提升，它已成为SQL在大数据上的最佳解决方案。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL）——这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。

3.Hadoop

高效、可靠、可伸缩的Hadoop——能够为你的数据存储项目提供所需的YARN、HDFS和基础架构，并且运行主要的大数据服务和应用程序。

4.Kafka

Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模网站中的所有动作流数据。从Spark到NiFi再到第三方插件工具以至于Java到Scala，Kafka都提供了强大的粘合作用，它已成为大数据系统在异步和分布式消息之间的最佳选择。

5.NiFi

堪称大数据工具箱里的瑞士军刀的ApacheNiFi，是由美国国家安全局（NSA）贡献给Apache基金会的开源项目，其设计目标是自动化系统间的数据流。其中，它的两个最重要的特性是强大的用户界面，以及良好的数据回溯工具。基于其工作流式的编程理念，NiFi非常易于使用，而且强大、可靠、高可配置。

6.Phoenix

作为HBase的SQL驱动，Phoenix目前被大量的公司采用，它正在逐渐扩大规模。HDFS支持的NoSQL能够很好地集成所有工具，Phoenix查询引擎会将SQL查询转换为一个或多个HBasescan，并编排执行以生成标准的JDBC结果集。

7.Spark

Spark使用简单，而且可以支持所有重要的大数据语言，如Scala、Python、Java、R等。同时，它还拥有强大的生态系统，且成长迅速，对microbatching/batching/SQL的支持也很简单。最重要的是，Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

8.Sparkling Water

H2O填补了Spark’sMachineLearning的缺口，SparklingWater可以满足你所有的机器学习。

9.Stanford Core NLP

自然语言处理拥有巨大的增长空间，斯坦福正在努力增进他们的框架，StanfordCoreNLP横空出世。

10.Zeppelin

Zeppelin是一个提供交互数据分析且基于Web的笔记本，方便用户做出可数据驱动的、可交互且可协作的精美文档。同时，它还支持多种语言，包括Scala（使用ApacheSpark）、Python（ApacheSpark）、SparkSQL、Hive、Markdown、Shell，等等。

在科技圈都知道，作为当今最热门的技术之一的大数据，正呈爆炸式增长。幸运的是，开源让越来越多的项目可以直接采用大数据技术，这也为程序员提供了多一条出路。

原文地址：http://www.dashengzb.cn/articles/a-169.html

PS：8月31日大圣众包平台公测期就截止啦！拖延症患者们，3个月的首批注册用户招募期就要结束啦，再不登录注册专享福利就木有啦！

（更多大数据与商业智能领域干货、兼职机会及行业资源分享等请关注大圣众包平台，或添加大圣花花个人微信号（dashenghuaer)，拉你入bigdata&BI交流群330648564。)