網易高級數據開發工程師

⑴ 分析如何成為一名大數據開發工程師

1、認識大數據

大數據開發工程師，首先你得熟悉關系型資料庫，比如Oracle或者MySQL，熟悉之後，有利於數據倉庫的開發；再次熟悉Hadoop，這個都是現在大數據領域中用的最多的一個技術，它的HDFS可以實現分布式存儲，Yarn是一個優秀的資源調度框架

2、大數據所需技能要求

必須掌握的技能：

Java高級(虛擬機、並發)、Linux 基本操作、Hadoop（HDFS+MapRece+Yarn ）、 HBase（JavaAPI操作+Phoenix ）、Hive(Hql基本操作和原理理解）、 Kafka、Storm/JStorm、Scala、Python、Spark (Core+sparksql+Spark streaming ） 、輔助小工具(Sqoop/Flume/Oozie/Hue等)

⑵ 資料庫高級開發工程師和資料庫管理員誰錢多

開發一般會高一點。還是看技術水平，所在的城市還有所在公司重視程度

⑶ 網易《Java高級開發工程師》微專業 值得買嗎

課程不錯的 我存網盤了 可以看一下

⑷ 如何成為一個大數據開發工程師

大數據工程師有多種解釋，一種是用大數據的，就是data scientist這種。
1.建立數據平台、2. 實現產品中依賴數據的部分、3.通過數據對具體問題進行調查分析、4.建立模型支持公司的決策。每一個Data Scientist都有不同的側重點，但平均來說工作量大概各佔1/4。
一種是開發大數據平台的，就是平台開發工程師，比如寫hadoop，hive的某個組件的工程師。工程師的技術要求是比較全面的，除了最基礎的編程語言（C語言/C++/JAVA等）、資料庫技術（SQL/ORACLE/DB2等）、.NET平台技術、C#、C/S B/S程序開發，還有諸多如JAVA SCRIPT、AJAX、HIBERNATE、SPRING、J2EE、WEB SERVICE、STRUTS等前沿技術。
你問的很籠統，ITjob網上有相關介紹，可以看看自己到底是要選擇哪條路，畢竟兩個的方向還是有些差距的，可以結合自身情況，看更符合哪一個吧。

⑸ 數據開發工程師（Java）是什麼職位

崗位職責：
- 負責貝殼找房平台大數據平台架構的規劃、設計與實施- 參與建設、維護、優化基於實時技術的數據平台，為業務提供易用的數據工具和平台。
- 關注開源技術動態。- 通過大數據平台和工具，支撐海量數據分析、數據挖掘、機器學習工作，提升貝殼找房平台線上產品效果與線下運營效率任職要求：
- 豐富的Java研發經驗，精通Java，熟悉Python中的一種- 熟悉Mysql，熟悉網路編程及並發技術，熟悉安全解決方案- 有豐富後端服務系統的設計和實現經驗，有獨立的系統級設計能力
- 扎實的計算機基礎，熟悉常用的數據結構和演算法，熟悉Linux系統環境
- 熟悉大數據技術棧，對Hadoop、Hive、Spark、Hbase、Kafka、ELK等開源組件有使用及優化經驗者優先- 有互聯網公司中大型分布式系統經驗優先- 負責過項目、有業務思維產品思維優先。
- 簡單、真誠、負責、主動

⑹ 我想做一名高級資料庫開發工程師，不知道還需要了解哪些知識，希望過來人幫我指點一下。

你提到的這些已經可以應對一般的公司這個職位了，不過，不同公司還是會有差異。

如果還要提高自己的競爭力的話，應該是下面這些了：
1 業務知識--不要小看這個；
2 開發經驗，最好有大型資料庫系統的開發經驗；
3 數據倉庫；
4 其它一些：溝通、學習能力、排錯能力、英文能力、管理體系等等。
學無止境，資料庫開發這條路前途很好，但道路也不會很平，最好能有人和項目來帶。

⑺ 要成為一名大數據開發工程師必備哪些技能

首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。

大數據

Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當於有學習大數據基礎。

Linux：因為大數據相關軟體都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟體的運行環境和網路環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。

Hadoop：這是現在流行的大數據處理平台幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop裡麵包括幾個組件HDFS、MapRece和YARN，HDFS是存儲數據的地方就像我們電腦的硬碟一樣文件都存儲在這個上面，MapRece是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的許可權，修改root的密碼，創建資料庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用於把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。

Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapRece程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapRece、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的數據是按照key和value的形式存儲的並且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用於大數據處理完成之後的存儲目的地。

Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎麼處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，並寫到各種數據接受方(比如Kafka)的。

Spark：它是用來彌補基於MapRece處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。

⑻ 大數據開發工程師有哪些崗位

1、大數據開發工程師：開發，建設，測試和維護架構;負責公司大數據平台的開發和維護，負責大數據平台持續集成相關工具平台的架構設計與產品開發等。

2、數據分析師：收集，處理和執行統計數據分析;運用工具，提取、分析、呈現數據，實現數據的商業意義，需要業務理解和工具應用能力。

3、數據挖掘工程師：數據建模、機器學習和演算法實現;商業智能，用戶體驗分析，預測流失用戶等;需要過硬的數學和統計學功底以外，對演算法的代碼實現也有很高的要求。

4、數據架構師：需求分析，平台選擇，技術架構設計，應用設計和開發，測試和部署;高級演算法設計與優化;數據相關系統設計與優化，需要平台級開發和架構設計能力。

5、資料庫開發：設計，開發和實施基於客戶需求的資料庫系統，通過理想介面連接資料庫和資料庫工具，優化資料庫系統的性能效率等。

6、資料庫管理：資料庫設計、數據遷移、資料庫性能管理、數據安全管理，故障檢修問題、數據備份、數據恢復等。

7、數據科學家：數據挖掘架構、模型標准、數據報告、數據分析方法;利用演算法和模型提高數據處理效率、挖掘數據價值、實現從數據到知識的轉換。

8、數據產品經理：把數據和業務結合起來做成數據產品;平台線提供基礎平台和通用的數據工具，業務線提供更加貼近業務的分析框架和數據應用。

⑼ 網易的校招數據分析工程師崗位對編程能力要求高嗎

應該還是針對數據邏輯邏輯分析能力有要求

⑽ 想成為大數據開發工程師有哪些要求

一、認識大數據
大數據本質其實也是數據，不過也包括了些新的特徵，
數據來源廣;
數據格式多樣化(結構化數據、非結構化數據、Excel文件等);
數據量大(最少也是TB級別的、甚至可能是PB級別);
數據增長速度快。
而針對以上新的特徵需要考慮很多問題：
例如，數據來源廣，該如何採集匯總?採集匯總之後，又該存儲呢?數據存儲之後，該如何通過運算轉化成自己想要的結果呢?
對於這些問題，我們需要有相對應的知識解決。
二、大數據所需技能要求
Python語言：編寫一些腳本時會用到。
Scala語言：編寫Spark程序的最佳語言，當然也可以選擇用Python。
Ozzie，azkaban：定時任務調度的工具。
Hue，Zepplin：圖形化任務執行管理，結果查看工具。
Allluxio，Kylin等：通過對存儲的數據進行預處理，加快運算速度的工具。
必須掌握的技能：
Java高級(虛擬機、並發)、Linux 基本操作、hadoop(HDFS+MapRece+Yarn )、 HBase(JavaAPI操作+Phoenix )、Hive(Hql基本操作和原理理解)、 Kafka、Storm/JStorm、Scala、Python、Spark (Core+sparksql+Spark streaming ) 、輔助小工具(Sqoop/Flume/Oozie/Hue等)
高階技能6條：
機器學習演算法以及mahout庫加MLlib、 R語言、Lambda 架構、Kappa架構、Kylin、Alluxio
三、學習規劃
每天需要有3個小時的學習時間，周末的時候需要10小時，如果做不到的話，只能是
第一階段(基礎階段)
Linux學習
Linux操作系統介紹與安裝、Linux常用命令、Linux常用軟體安裝、Linux網路、 防火牆、Shell編程等。
Java 高級學習(《深入理解Java虛擬機》、《Java高並發實戰》)
掌握多線程、掌握並發包下的隊列、掌握JVM技術、掌握反射和動態代理、了解JMS。
Zookeeper學習
Zookeeper分布式協調服務介紹、Zookeeper集群的安裝部署、Zookeeper數據結構、命令。
第二階段(攻堅階段)
Hadoop、Hive、HBase、Scala、Spark、Python
第三階段(輔助工具工學習階段)
Sqoop、Flume、Oozie、Hue這些工具的學習