兩年大數據開發工程師的經驗總結

發布時間：2019-07-16 10:47:04 信息來源：烏魯木齊網站制作公司發布作者：遠璨網絡

今年的六月，在經歷了大雨的洗禮之后，一切都變得更加明朗起來，新的工作，新的人和事。懶惰讓我變得更焦慮，焦慮促使我進步，程序員的焦慮大家應該都有共同的感覺，時代的步伐太快了，在這個環境下的軟件開發一定會淘汰掉那些不懂得學習，懶惰的人。

希望跟大家共勉。

今天呢，博主主要回顧這兩年來，在大數據行業公司從事大數據類的前端開發的工作。最近剛剛換了一份工作，把我的經驗稍作總結分享給大家，有什么建議大家在評論區踴躍。謝謝。

今天的主題，主要是從大數據開發的角度，到大數據治理的必要性，再到圖形化建模的暢想，最后在數據質量的把關，然后到大數據可視化的應用，博主總結兩年的見聞，和我學習的成果，也不知理解有無偏差吧，希望大家能給出建議。

一、大數據開發
大數據開發，有幾個階段：

1.數據采集【原始數據】
2.數據匯聚【經過清洗合并的可用數據】
3.數據轉換和映射【經過分類，提取的專項主題數據】
4.數據應用【提供api 智能系統應用系統等】
對大數據以及人工智能概念都是模糊不清的，該按照什么線路去學習，學完往哪方面發展，想深入了解，想學習的同學歡迎加入大數據學習交流裙：%52%21【89】最后307，有大量干貨(零基礎以及進階的經典實戰)分享給大家，并且有清華大學畢業的資深大數據講師給大家免費授課，給大家分享目前國內最完整的大數據高端實戰實用學習流程體系。從java和linux入手，其后逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相關知識一一分享!

二、數據采集
數據采集有線上和線下兩種方式，線上一般通過爬蟲、通過抓取，或者通過已有應用系統的采集，在這個階段，我們可以做一個大數據采集平臺，依托自動爬蟲(使用python或者nodejs制作爬蟲軟件)，ETL工具、或者自定義的抽取轉換引擎，從文件中、數據庫中、網頁中專項爬取數據，如果這一步通過自動化系統來做的話，可以很方便的管理所有的原始數據，并且從數據的開始對數據進行標簽采集，可以規范開發人員的工作。并且目標數據源可以更方便的管理。

數據采集的難點在于多數據源，例如mysql、postgresql、sqlserver 、 mongodb 、sqllite。還有本地文件、excel統計文檔、甚至是doc文件。如何將他們規整的、有方案的整理進我們的大數據流程中也是必不可缺的一環。

三、數據匯聚
數據的匯聚是大數據流程最關鍵的一步，你可以在這里加上數據標準化，你也可以在這里做數據清洗，數據合并，還可以在這一步將數據存檔，將確認可用的數據經過可監控的流程進行整理歸類，這里產出的所有數據就是整個公司的數據資產了，到了一定的量就是一筆固定資產。

數據匯聚的難點在于如何標準化數據，例如表名標準化，表的標簽分類，表的用途，數據的量，是否有數據增量?，數據是否可用? 需要在業務上下很大的功夫，必要時還要引入智能化處理，例如根據內容訓練結果自動打標簽，自動分配推薦表名、表字段名等。還有如何從原始數據中導入數據等。

四、數據轉換和映射
經過數據匯聚的數據資產如何提供給具體的使用方使用?在這一步，主要就是考慮數據如何應用，如何將兩個?三個?數據表轉換成一張能夠提供服務的數據。然后定期更新增量。

經過前面的那幾步，在這一步難點并不太多了，如何轉換數據與如何清洗數據、標準數據無二，將兩個字段的值轉換成一個字段，或者根據多個可用表統計出一張圖表數據等等。

五、數據應用
數據的應用方式很多，有對外的、有對內的，如果擁有了前期的大量數據資產，通過restful API提供給用戶?或者提供流式引擎 KAFKA 給應用消費? 或者直接組成專題數據，供自己的應用查詢?這里對數據資產的要求比較高，所以前期的工作做好了，這里的自由度很高。

總結：大數據開發的難點
大數據開發的難點主要是監控，怎么樣規劃開發人員的工作?開發人員隨隨便便采集了一堆垃圾數據，并且直連數據庫。短期來看，這些問題比較小，可以矯正。但是在資產的量不斷增加的時候，這就是一顆定時炸彈，隨時會引爆，然后引發一系列對數據資產的影響，例如數據混亂帶來的就是數據資產的價值下降，客戶信任度變低。

六、如何監控開發人員的開發流程?
答案只能是自動化平臺，只有自動化平臺能夠做到讓開發人員感到舒心的同時，接受新的事務，拋棄手動時代。

這就是前端開發工程師在大數據行業中所占有的優勢點，如何制作交互良好的可視化操作界面?如何將現有的工作流程、工作需求變成一個個的可視化操作界面? 可不可以使用智能化取代一些無腦的操作?

從一定意義上來說，大數據開發中，我個人認為前端開發工程師占據著更重要的位置，僅次于大數據開發工程師。至于后臺開發，系統開發是第三位的。好的交互至關重要，如何轉換數據，如何抽取數據，一定程度上，都是有先人踩過的坑，例如kettle，再例如kafka，pipeline ，解決方案眾多。關鍵是如何交互? 怎么樣變現為可視化界面? 這是一個重要的課題。

現有的各位朋友的側重點不同，認為前端的角色都是可有可無，我覺得是錯誤的，后臺的確很重要，但是后臺的解決方案多。前端實際的地位更重要，但是基本無開源的解決方案，如果不夠重視前端開發，面臨的問題就是交互很爛，界面爛，體驗差，導致開發人員的排斥，而可視化這塊的知識點眾多，對開發人員的素質要求更高。

七、大數據治理
大數據治理應該貫穿整個大數據開發流程，它有扮演著重要的角色，淺略的介紹幾點：

1. 數據血緣

數據血緣應該是大數據治理的入口，通過一張表，能夠清晰看見它的來龍去脈，字段的拆分，清洗過程，表的流轉，數據的量的變化，都應該從數據血緣出發，我個人認為，大數據治理整個的目標就是這個數據血緣，從數據血緣能夠有監控全局的能力。
數據血緣是依托于大數據開發過程的，它包圍著整個大數據開發過程，每一步開發的歷史，數據導入的歷史，都應該有相應的記錄，數據血緣在數據資產有一定規模時，基本必不可少。

2. 數據質量審查

數據開發中，每一個模型(表)創建的結束，都應該有一個數據質量審查的過程，在體系大的環境中，還應該在關鍵步驟添加審批，例如在數據轉換和映射這一步，涉及到客戶的數據提供，應該建立一個完善的數據質量審查制度，幫助企業第一時間發現數據存在的問題，在數據發生問題時也能第一時間看到問題的所在，并從根源解決問題，而不是盲目的通過連接數據庫一遍一遍的查詢sql。

3. 全平臺監控
監控呢，其實包含了很多的點，例如應用監控，數據監控，預警系統，工單系統等，對我們接管的每個數據源、數據表都需要做到實時監控，一旦發生殆機，或者發生停電，能夠第一時間電話或者短信通知到具體負責人，這里可以借鑒一些自動化運維平臺的經驗的，監控約等于運維，好的監控提供的數據資產的保護也是很重要的。

4. 大數據可視化
大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現，大數據可視化不僅僅是圖表的展現，重要的事說三遍，大數據可視化歸類的數據開發中，有一部分屬于應用類，有一部分屬于開發類。

在開發中，大數據可視化扮演的是可視化操作的角色，如何通過可視化的模式建立模型? 如何通過拖拉拽，或者立體操作來實現數據質量的可操作性? 畫兩個表格加幾個按鈕實現復雜的操作流程是不現實的。

在可視化應用中，更多的也有如何轉換數據，如何展示數據，圖表是其中的一部分，平時更多的工作還是對數據的分析，怎么樣更直觀的表達數據?這需要對數據有深刻的理解，對業務有深刻的理解，才能做出合適的可視化應用。

5. 智能的可視化平臺
可視化是可以被再可視化的，例如superset，通過操作sql實現圖表，有一些產品甚至能做到根據數據的內容智能分類，推薦圖表類型，實時的進行可視化開發，這樣的功能才是可視化現有的發展方向，我們需要大量的可視化內容來對公司發生產出，例如服裝行業，銷售部門：進貨出貨，顏色搭配對用戶的影響，季節對選擇的影響生產部門：布料價格走勢? 產能和效率的數據統計? 等等，每一個部門都可以有一個數據大屏，可以通過平臺任意規劃自己的大屏，所有人每天能夠關注到自己的領域動向，這才是大數據可視化應用的具體意義。

八、寫在最后
洋洋灑灑寫了很多，對我近兩年的所見所聞所學所想進行了一些總結，有些童鞋會問，不是技術么?為什么沒有代碼? 博主要說，代碼博主要學的，要寫的，但是與工作無關，代碼是我個人的技能，個人傍身，實現個人想法的重要技能。但是，代碼與業務的關系不大，在工作中，懂業務的人代碼寫的更好，因為他知道公司想要什么。如果你業務很差，那也沒關系，你代碼好就行了呀，根據別人的交代干活，也是很不錯的。技術和業務是相輔相成的，稍后博主總結代碼的精進。

寫完了，博主的焦慮一絲未少，我的代碼規范性不夠，目前技術棧js、java、nodejs、python 。

主業js熟練度80%吧，正在研究阮一峰的es6(看的差不多)和vuejs的源碼(有點擱淺)，vuejs算是中等，css和布局方面可以說還可以，另外d3.js，go.js都是處于會用，能干活。 nodejs呢，express和koa無問題，看過一些express的源代碼，還寫過兩個中間件。

java、python都處于能做項目的程度，目前也不想抽很多精力去深入它們，就想要保持在想用能用的地步吧。

未來的幾年，博主努力工作，多學學人工智能、大數據開發的知識，未來這塊應該還有一些熱度的吧。

最后，和大家共勉，更希望大家能給一些規劃建議，三人行，必有我師焉。

烏魯木齊網站建設銷售顧問如何引行業企業烏魯木齊網站建設需要準備哪