关于数仓开发
数仓开发其实主要就是基于数仓模型对数据进行分层建模工作,整合加工数据完成OLAP,数仓分为实时数仓和离线数仓两种。如果公司只有离线数仓,那么其实主要的工作内容用sql就可以完成了,可以用hive qlª或者是 spark sql完成,当然也不排除需要应用到spark 算子去完成相关计算的逻辑,而且一些复杂的逻辑需要通过实现自定义函数来完成,这就要求不但要会写sql,而且还能有一定的代码功底。如果公司对数据的实时性要求比较高,那么还会有实时数仓的业务,实时部分当前比较流行的是flinkª去做,当然也有spark streaming去做的,这就要求对代码有比较深厚的掌握了。因为数据往往不是存在hive中的,而是hbase、 clickhouse等这种实时性较强的内存数据库中,不但实时计算框架的各种api需要熟练掌握,对数据库的底层和调用也要掌握,而且实时数据°一般来自消息队列如kafka,所以也需要对消息队列比较熟悉。
如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等,可点击“私信”按钮向作者进行反馈;如作者无回复可进行平台仲裁,我们会在第一时间进行处理!
添加我为好友,拉您入交流群!
请使用微信扫一扫!