做大數據過程中遇到的13個問題

1、做大數據過程中遇到的13個問題1、最早的數據分析可能就報表目前很多數據分析后的結果，展示的形式很多，有各種圖形以及報表，最早的應該是簡單的幾條數據，然后搞個web頁面，展示一下數據。早期可能數據量也不大，隨便搞個數據庫，然后SQL搞一下，數據報表就出來了。但是數據量大起來怎么分析呢？數據分析完了怎么做傳輸呢？這么大的數據量怎么做到實時呢？分析的結果數據如果不是很大還行，如果分析的結果數據還是很大改怎么辦呢？這些問題在這篇文章中都能找到答

2、案，下面各個擊破。2、要做數據分析，首先要有數據這個標題感覺有點廢話，不過要做飯需要食材一樣。有些數據時業(yè)務積累的，像交易訂單的數據，每一筆交易都會有一筆訂單，之后再對訂單數據作分析。但是有些場景下，數據沒法考業(yè)務積累，需要依賴于外部，這個時候外部如果有現(xiàn)成的數據最好了，直接join過來，但是有時候是需要自己獲取的，例如搞個爬蟲爬取網頁的數據，有時候單臺機器搞爬蟲可能還爬不完，這個時候可能就開始考慮單機多線程爬取或者分布式多線程爬取數據

3、，中間涉及到一個步驟，就是在線的業(yè)務數據，需要每天晚上導入到離線的系統(tǒng)中，之后才可以進行分析。3、有了數據，咋分析呢？先將數據量小的情況下，可能一個復雜的據分析就好之前寫SQL一樣了，按照邏輯編寫hiveSQL，然后控制臺執(zhí)行?？赡茏畲蟮母杏X是，數據庫的sql很快就能有結果，但是hive的，即使很小的一個數據分析，也需要幾分鐘時間。構建hive，需要在hadoop的集群上，原理很簡單，就是把文件構建成表的形式（有一個數據庫或者內存數據庫

4、維護表的schema信息），之后提交寫好的hivesql的時候，hadoop集群里面的程序把hive腳本轉換成對應的mapreduce程序執(zhí)行。這個時候，做離線的數據分析簡單寫腳本就行了，不用再搞java代碼，然后上傳執(zhí)行了。6、數據產生的結果，怎么搞到線上提供服務的數據庫中呢？這個時候分析的結果有了，可能是一個很寬很長的excel表格，需要導入到線上的數據庫中，可能你想到了，如果我的數據庫是mysql，我直接執(zhí)行l(wèi)oad命令就搞進去了

5、，哪有那么麻煩。但是數據源可能有多了，mysqlaclehbasehdfs按照笛卡爾積的形式，這樣搞要搞死程序員了。這個時候datax（已經開源）出現(xiàn)了，能夠實現(xiàn)異構數據源的導入和導出，采用插件的形式設計，能夠支持未來的數據源。如果需要導數據，配置一下datax的xml文件或者在web頁面上點擊下就可以實現(xiàn)了。7、離線分析有時間差，實時的話怎么搞呢？要構建實時的分析系統(tǒng)，其實在結果數據出來之前，架構和離線是截然不同的。數據時流動的，如果