java大數據開發工程師

① 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

② 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。

③ 為什麼java大數據工程師工資特別高

1、國家政策

我國從中央到地方的大數據政策體系已經基本完善，目前已經進入落地實施階段。在頂層設計上，國務院《促進大數據發展行動綱要》對政務數據共享開放、產業發展和安全三方面做了總體部署。還有《政務信息資源共享管理暫行辦法》《大數據產業發展規劃(2016-2020)》等文件。

2、行業趨勢

計算機、互聯網、IT類的職位需求的空缺一直很大，大數據的行業應用更加廣泛，正加速滲透到經濟社會的方方面面，大數據廣泛應用於電信業、金融業擴展到政務、健康醫療、工業、交通物流、能源行業、教育文化等。

3、Java和大數據

功能強大的java語言可跨平台開發，為大數據功能的實現提供了更多的解決方案，用java開發目前主流的大數據hadoop已成為眾多公司的選擇。在數據驅動的未來，大數據人才市場勢必會越來越大。

④ 為什麼很多的java程序員會轉行做大數據工程師

1、Java是學習大數據的編程基礎

大數據框架的編寫支持很多開發語言，但是Java在大數據開發方面有很大的優勢，目前流行的大數據Hadoop框架，很多部分都是用開源的Java語言編寫，因此Java在大數據方面有很大優勢。

2、大數據發展前景空間更大

java經過多年發展，目前基本處於飽和狀態，對於新入行的人來說，競爭比較激烈。大數據分析、大數據開發等大數據人才成為市場緊缺型人才，發展前景好，薪資水平高。根據有關數據顯示，大數據行業是目前平均收入最高的行業，其從業人員平均年薪已逾十萬元，有經驗的大數據工程師平均年薪一般在12萬元以上。

⑤ 如何成為一名大數據開發工程師

隨著2017年大數據應用的發展，大數據價值得以充分的體現，大數據在企業和社會層面成為重要的戰略資源，數據成為新的戰略制高點，是大家搶奪的新焦點。一個新行業的出現，必將在工作職位方面有新的需求。具有豐富經驗的數據分析人才將成為稀缺的資源，數據驅動型工作將呈現爆炸式的增長，薪資也隨著會增長，東時Java大數據學習課程從最基礎的java入門，linux，mysql，pythodn等等，零基礎也能學習。

⑥ 大數據工程師和大數據開發工程師的職能有何區別

大數據工程師和大數據開發工程師兩者之間沒有區別。大數據工程師指的就是大數據開發工程師。大數據工程師（即大數據開發工程師）從事大數據採集、清洗、分析、治理、挖掘等技術研究，並加以利用、管理、維護和服務。

4、設計、開發、集成、測試大數據軟硬體系統。

5、管理、維護並保障大數據系統穩定運行。

6、監控、管理和保障大數據安全。

7、提供大數據的技術咨詢和技術服務。

(6)java大數據開發工程師擴展閱讀：

大數據工程師（即大數據開發工程師）的技能要求：

1、精通Java技術知識，熟悉Spark、kafka、Hive、HBase、zookeeper、HDFS、MR等應用設計及開發。

2、了解python/shell等腳本語言。

3、熟悉大數據平台架構，對ETL、數據倉庫等有一定了解。

4、有數據可視化、數據分析、數學模型建立相關經驗者優先考慮。

5、有爬蟲系統開發經驗者優先。

⑦ Java開發工程師（大數據方向）是什麼職位

Java可以做網站 
Java可以做游戲  
Java可以做軟體

⑧ 大數據和Java開發哪個更有前途

兩者關系

java是計算機的一門編程語言；可以用來做很多工作，大數據開發屬於其中一種；

大數據屬於互聯網方向，就像現在建立在大數據基礎上的AI方向一樣，

他兩不是一個同類，但是屬於包含和被包含的關系；

java可以用來做大數據工作，大數據開發或者應用不必要用java，可以Python，Scala，go語言等。

再有就是就業前景

看看職友集的數據，

Java工程師

最後根據自己的需要可以自己選擇適合自己的才是最好的，

⑨ 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)

⑩ 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。