如果经济运行可以进行尝试，IBM的waston就是最近大力推广。可以根据病人的病历的一些数据进行大数据分析，主要是一些数据的建模，比如感冒，如果感冒可以有哪些特征？如咳嗽，流鼻涕，可以根据这些特点就能分析出来，大病像癌症，如占位性的一些特点来分析...
市面上再好的教材也没有自己动手去写，我建议你看学习视频，然后找例子去模仿，然后去了解例子的代码意思，循环迭代，就会进入角色
当遇到海量数据需要存储和分析时，都可能会用到大数据产品，因为大数据产品最重要的特点就是分布式，效率高，且每一款产品都针对特定应用场景，如hbase、spark、hive等
1、首次用Hadoop生态圈内的各个组件，最困难的是使用模式的转变，不像SQL一统天下的传统数据看那么容易上手。2、面对分布式引擎，遇到问题没有办法排查，因为你根本不知道你的程序在那里执行以及执行到哪里了，不像单机程序，到日志目录下看日志。3、遇到组件报错无从下手解决，只能不...
请问你代码具体做了什么操作，另外partition你用了指定了几个
你这个问题造成的原因很多，我觉得最大的可能是节点之间网络连接超时，但是用hbase进行数据统计，你可以采用hbase的协处理器，每次做个累积，这样速度会快一些，
我一般用spark如果出现性能上的问题，会先从硬件资源包括cpu ，内存，进程数，driver大小等，然后再去看代码里面是否涉及shuffle，工具也就只能告诉你当前的资源使用量如何，就算告诉你了，你还是得去看代码，另外我觉得spark自己提供的4040界面就不错，告诉你，你的job分多少个stage，每个stage...
找个培训班上，这是最靠谱的办法(前提是能跟上课程进度）。
我做运维，所以就都懂一些但都不精通，我仔细思考过关于在哪个技术方向深入学习的事，我的感受是，如果是dba那么就在这个方向上走下去，在mysql和主流的分布式数据库上下功夫，调优是个永无止境而且很吃技术的活，放弃自己打好的基础，去学一些别的基础知识，浪费了...
