大数据开发环境哪个好

A. 编程用什么软件好哪种前景更广阔

编程首先要确定编程语言，确定编程语言之后再选择开发环境（软件），当然也有软件本身集成语言的情况，比如MATLAB、Delphi等，但是大部分情况下都需要先选择语言。

目前比较流行的编程语言有java、Python、C#、PHP等，这些编程语言都有非常广泛的应用，发展前景也都不错。

Java语言目前在Web开发、大数据开发、Android开发、后端服务开发等领域有广泛的应用，另举首外Java也可以进行嵌入式开发和人工智能领域的相关开发，可以说Java语言目前的应用场景还是非常广泛的。Java编程比较常见的开发环境有Eclipse和IntelliJIDEA，这两个工具有广泛的使用，功能也非常强大。

Python语言随着大数据的发展而得到了广泛的重视，目前Python在大数据、人工智能、Web开发等领域有广泛的使用，而且Python目前也被列入到嵌入式开发领域，未来的成长空间还是比较大的。Python常见的开发环境是Emacs、vim、Eclipse+PyDev、UliPad等，其中Emacs和vim是功能强大的通用开发环境燃答御。

C#语言是微软开发的一款程序设计语言，C#的应用场景遍布手机端、桌面端和服务端，可以说微软为C#语言搭建了一个庞大的应用场景。C#的开发工具非常强大，号称“宇宙最强开发工具皮岩”，这个工具就是VisualStudio，很多程序员对于C#的忠诚度往往都是来源于VisualStudio的强大。

PHP目前的主要应用场景是Web开发，PHP虽然应用场景比较单一，但是PHP在Web领域的应用却非常普及。PHP的开发环境比较常见的是ZendStudio、EclipseforPHP等。

作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。

欢迎在线咨询

B. Java大数据要用到什么软件

Java大数据需要用到一下技术和相应的软件

1. Java语言
Java语言是大数据学习的基础，Java是一种强类型、跨平台语言。是大数据编程工具，学好大数据，掌握Java基础是必不可少
2.Linux命令
对于大数据开发通常是在Linux环境下进行的，想从事大数据开发相关工作，还需掌握Linux基础操作命令。
3. Hadoop
Hadoop是大数据开发的重要框架，其核心是HDFS和MapRece，HDFS为海量的数据提供了存储，MapRece为海量的数据提供了计算
4.ZooKeeper

ZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。
5. HBase
HBase是一个分布式的、面向列的开源数据库，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。
6. Redis

Redis是一个key-value存储系统，在部分场合可以对关系数据库起到很好的补充作用，，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。
7. SSM

SSM框架是由Spring、SpringMVC、MyBatis三个开源框架整合而成，常作为数据源较简单的web项目的框架。大数据开发需分别掌握Spring、SpringMVC、MyBatis三种框架的同时，再使用SSM进行整合操作。
8.Python与数据分析

Python是面向对象的编程语言，拥有丰富的库，使用简单，应用广泛，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，因此，大数据开发需学习一定的Python知识。
你明白了吗？

C. 大数据和java开发哪个比较好

根据个人爱好不同来选择，一个是偏数据库类型，另一个是后台开发

D. 大数据和java开发哪个更好

从大数据和Java技术本身的关系来说，完全可以兼顾学习。Java作为一门编程语言，可以用来做很多工作，大数据开发属于其中一种。

大数据和java开发对比分析

一、现状

1、java是编程语言，目前来看还是有一定优势的。但每年新增的海量java程序员让这个行业开始臃肿起来，已经出现人才溢出状态。

2、如衡大数据经过2016/2017年的高曝光，2018年开始进入大数据年，各大中小企业开始大数据部门，人才缺口不断增大。

二、未来

1、java是编程语言，未来会不会有更优秀的编程语言取代其主导地位，并不好说。

2、大数据的应用范围广，不但覆盖全行业，还将影响一些机构机关。被人们最为看好的人工智能也需要大数据的支持，离开大数据人工智能将无法智能。

综上所述：java目前算是主流，可以多学几门语言，技多不压身，百利而无一害对于开发；大数据的这个方拦唯向，不会消失，只会随着技术的发展更加智慧性。所以从未来发展的趋势来看，产业互联网将是一个重要的发展方向，产业互联网的核心技术包括物联网、大数据、人工智能等相关技术，因此学习大数据相关技术是个不错的选择。

大数据和java开发的发展前景怎么样

Java的发展方向：

Web开发、大数据开发、安卓开发、服务器开发等等。

Java的就业情况：

Java作为传统的编程语言之一，市场常青，常年都有新人加入，这几年的发展之后，初级岗位趋于饱和，供大于求，竞争稍显惨烈。

Java开发薪资：

有经验的Java开发，薪资在10-30K的为普遍情况，初级岗位5、6K的也不在少数。

大数据的就业方向：

大数据开发、数据分析、数据挖掘、大数据算法、数据架构等。

大数据的薪资状况：

大数据相关职位的平均薪资已经超过月薪20K，初级入门的大数据开发，薪资也都在8K以上。

大数据应用行业领域：

营销、金融、简橡培工业、医疗、教育、交通、智慧生活、执法、体育、政府、旅游等等，大数据是真正的覆盖全行业，越往后发展，数据的重要性会更加受到重视，可以说未来所有的行业都需要大数据的支撑。

E. 在大数据中心需要什么样的技术

大数据是对海量数据进行存储、计算、统计、分析处理的一系列处理手段，处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。1. Java编程技术

Java编程技术是大数据学习的基础，Java是一种强类型的语言，拥有极高的跨平台能力，可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等，是大数据工程师最喜欢的编程工具，因此，想学好大数据，掌握Java基础是必不可少的。

2. Linux命令

对于大数据开发通常是在Linux环境下进行的，相比Linux操作系统，Windows操作系统是封闭的操作系统，开源的大数据软件很受限制，因此，想从事大数据开发相关工作，还需掌握Linux基础操作命令。

3. Hadoop

Hadoop是大数据开发的重要框架，其核心是HDFS和MapRece，HDFS为海量的数据提供了存储，MapRece为海量的数据提供了计算，因此，需要重点掌握，除此之外，还需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高级管理等相关技术与操作！

4. Hive

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapRece任务运行，十分适合数据仓库的统计分析。对于Hive需掌握其安装、应用及高级操作等。

5. Avro与Protobuf

Avro与Protobuf均是数据序列化系统，可以提供丰富的数据结构类型，十分适合做数据存储，还可进行不同语言之间相互通信的数据交换格式，学习大数据，需掌握其具体用法。

6. ZooKeeper

ZooKeeper是Hadoop和Habase的重要组件，是一个分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。7. HBase

HBase是一个分布式的、面向列的开源数据库，他不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。

8.phoenix

Phoenix是用Java编写的基于JDBC API操作HBase的开源SQL引擎，其具有动态列、散列加载、查询服务器、追踪、事务、用户自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳跃查询、视图以及多租户的特性，大数据开发需掌握其原理和使用方法。

9.Redis

Redis是一个key-value存储系统，其出现很大程度补偿了memcached这类key/value存储的不足，在部分场合可以对关系数据库起到很好的补充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客户端，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。

10.Flume

Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和传输系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接收方（可定制）的能力。大数据开发需掌握其安装、配置以及相关使用方法。

11.SSM

SSM框架是由Spring、SpringMVC、MyBatis三个开源框架整合而成，常作为数据源较简单的web项目的框架。大数据开发需分别掌握Spring、SpringMVC、MyBatis三种框架的同时，再使用SSM进行整合操作。

12.Kafka

Kafka是一种高吞吐量的分布式发布订阅消息系统，其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和是用方法及相关功能的实现！

13.Scala

Scala是一门多范式的编程语言，大数据开发重要框架Spark是采用Scala语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的，因此，大数据开发需掌握Scala编程基础知识！

14.Spark

Spark是专为大规模数据处理而设计的快速通用的计算引擎，其提供了一个全面、统一的框架用于管理各种不同性质的数据集和数据源的大数据处理的需求，大数据开发需掌握Spark基础、SparkJob、Spark RDD、sparkjob部署与资源分配、SparkshuffleSpark内存管理、Spark广播变量、SparkSQL SparkStreaming以及 Spark ML等相关知识。

15.Azkaban

Azkaban是一个批量工作流任务调度器，可用于在一个工作流内以一个特定的顺序运行一组工作和流程，可以利用Azkaban来完成大数据的任务调度，大数据开发需掌握Azkaban的相关配置及语法规则。

F. 男生学习大数据好点还是python好点

首先大数据是一个行业或者业务领域专业方向，而python则是一门计算机开发语言，下面我详细介绍他们的具体内涵：

大数据专业或行业方向是指研究或学习如何采用不同属于传统的新的技术或者方法处理海量的业务数据，并且能够通过数据分析获得新的知识，并且带来新的巨大价值，因此大数据一定是和云计算结合学习和研究，大数据方向主要学习的内容包括数据库技术和数据分析和数据挖掘技术。大数据的实现基础是主要为数理统计。大数据分析目前已经普遍应用于商业、服务、 社会 管理等领域，这次疫情期间大数据技术对于我们国家的疫情控制就起到了至关重要的作用，生活中不管是美团、淘宝都在使用大数据技术实现客户的精准服务，我们阿谱云教育团队也是基于历年来陕西高考中大学及专业报考大数据为陕西的家长和考生每年提供的精准分析和报考服务。

Python是一种解释型脚本语言，可以应用于以下领域：Web 和 Internet开发、科学计算和统计、人工智能、桌面界面开发、软件开发、后端开发、网络爬虫等等。众多开源的科学计算软件包都提供了Python的调用接口，例如著名的计算机视觉库OpenCV、三维可视化库VTK、医学图像处理库ITK。而Python专用的科学计算扩展库就更多了，例如如下3个十分经典的科学计算扩展库：NumPy、SciPy和matplotlib，它们分别为Python提供了快速数组处理、数值运算以及绘图功能。因此Python语言及其众多的扩展库所构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。因此Python是大数据开发使用最好的工具之一。

如果从专业选择角度，那么还是选择大数据方向，和就业方向直接关联。因为python只是一个开发工具，学习开发工具的目的是为了就业，是为了在某一行业领域应用，如果只是看到很多媒体在介绍，只是感兴趣那另当别论。

你要明白大数据范围超级广，你具体想要学习哪个方向呢？数据挖掘？还是机器学习深度学习？亦或nlp（自然语言处理）？（我主要学数据挖掘，呜啦啦啦）
我给所有问我大数据该怎么入门的人都会有如下建议：学好数学！学好数学！学好数学！重要的事说三遍，不然你怎么理解各种模型的构建？所以从理解算法开始，什么svn啦，knn啦，k means啦，总之各种聚类分类的算法，把它搞懂，绝对有用。
扯远了，不好意思…言归正传，回到语言的选择问题。java和python这两个语言，我给你从这几个方面解释一下：
1. python是脚本语言，无需编译，java则是需要编译的语言
2. 我在letitcode（大概是这么拼）上测试过好多次，同一个功能的程序竟然是java性能好很多
3. 平时我们做项目，都是用python写个demo去测试，真正发行的版本，是用java写的
4. 许多大数据平台（如spark），都提供多种语言的接口，所以你不用担心学一种语言没处用的问题

看到了吧？python和java的地位差别在企业中就是一个低一个高,以我个人的观点来看，我还是建议你先学python。1. 很多java中几行的代码，python中一行就搞定，学会了python，还怕学不会java？2. python上手快，简洁事儿少3. （个人经验）我学数据挖掘入门是用的scikit-learn（一个python库），当时用的超爽的好吧！几分钟搞个模型出来。当然现在看来那不算什么啦，可当时真的体验很好，特有成就感。相反拿java写程序我就各种别扭，总觉得啰嗦得很4. 其实，我觉得scala更适合大数据…linkedin后台好像就是它写的，但是我觉得scala难，再加上种种原因，一直没来得及学

你要明白大数据范围超级广，你具体想要学习哪个方向呢？数据挖掘？还是机器学习深度学习？亦或nlp（自然语言处理）？（我主要学数据挖掘，呜啦啦啦）我给所有问我大数据该怎么入门的人都会有如下建议：学好数学！学好数学！学好数学！重要的事说三遍，不然你怎么理解各种模型的构建？所以从理解算法开始，什么svn啦，knn啦，k means啦，总之各种聚类分类的算法，把它搞懂，绝对有用。

G. 大数据环境下，浪潮与华为相比如何，谁的发展更胜一筹

随着人工抄智能、5G、大数据等新兴技术的渗透发展，浪潮正通过AI计算平台、资源平台和算法平台的研发创新，不断推动着自身AI产业化以及产业AI化的进程。同时提到5G，人们难免会关联想到华为，的确，在当前的技术背景下，各自领域拔得头筹的两者难免会被拿来比较，但是非要在两者之间决出胜负其实并没有意义。华为主要的业务重心在通信技术，而浪潮的主要项目则是服务器和云计算。但相较于华为的国民度，作为中国第一、全球前三的服务器企业，浪潮还是稍显低调。
但是在技术的创新研发上，浪潮从实际应用场景出发，面向AI和边缘计算开发GPU Tesla V100、FPGA、NVMe等硬件驱动，不仅为AI训练、AI推理、AIStation提供了硬件加速支持，还完成了全球最大规模单一集群实践，其在开源的创新及实践能力不容置疑。