A. ELK是用來做什麼的

大數據日誌分析

B. 大數據技術有哪些

大數據技術的體系龐大且復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、NoSQL資料庫、數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。

C. 大數據的課程都有哪些

大數據本身屬於交叉學科，涵蓋計算機、統計學、數學三個學科內的專業知識。所以大數據容的課程內容，基本上也是圍繞著三個學科展開的。
數理統計方面：數學分析、統計學習、高等代數、離散數學、概率與統計等課程是基本配置。
計算機專業課程：數據結構、數據科學、程序設計、演算法分析與設計、數據計算智能、資料庫系統、計算機系統基礎、並行體系結構與編程、非結構化大數據分析等，也是必備課程。
而想要真正找到工作的話，大數據主流技術框架，也要去補充起來，這才是找工作當中能夠獲得競爭力的加分項。

D. 大數據好嗎想轉行大數據！

大數據時代是復社會進步的必然結果，給制人們的生活帶來了一系列的便利。例如訂餐，平台會根據以往的消費記錄為用戶推薦更適合的美食，節省了用戶選擇的時間。而在京東淘寶等購物平台上則更加明顯，用戶搜索為某種商品，平台便會推薦類似的產品。

大數據，是發現規律、檢驗規律的客觀事實。對社會的影響，主要取決於使用大數據的目的，用於造福社會，其影響就好，反之，其影響就不好。

未來十年大數據的發展前景都非常好，目前行業需求大，人才十分缺乏

如今重視數據的機構已經越來越多，上到國防部，下到互聯網創業公司、金融機構需要通過大數據項目來做創新驅動，需要數據分析或處理崗位也很多;常見的食品製造、零售電商、醫療製造、交通檢測等也需要數據分析與處理，如優化庫存，降低成本，預測需求等。對於想要學習大數據的小夥伴，就目前來看。就業情況是非常好的

E. 大神，關於大數據處理方面的書籍有推薦嗎

《大數據來處理之道》作者：何金自池
分析比較了當下流行的大數據處理技術的優劣及適用場景，包括Hadoop、Spark、Storm、Dremel、Drill等，詳細分析了各種技術的應用場景和優缺點;同時闡述了大數據下的日誌分析系統，重點講解了ELK日誌處理方案;最後分析了大數據處理技術的發展趨勢，重點從各種技術的起源、設計思想、架構等方面闡述大數據處理之道。

F. 大數據的核心技術有哪些

大數據技術的體系龐大且復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、資料庫、數據倉庫、機器學習、並行計算、可視化等。

1、數據採集與預處理：

Flume NG實時日誌收集系統，支持在日誌系統中定製各類數據發送方，用於收集數據；

Zookeeper是一個分布式的，開放源碼的分布式應用程序協調服務，提供數據同步服務。

2、數據存儲：

Hadoop作為一個開源的框架，專為離線和大規模數據分析而設計，HDFS作為其核心的存儲引擎，已被廣泛用於數據存儲。

HBase，是一個分布式的、面向列的開源資料庫，可以認為是hdfs的封裝，本質是數據存儲、NoSQL資料庫。

3、數據清洗：MapRece作為Hadoop的查詢引擎，用於大規模數據集的並行計算

4、數據查詢分析：

Hive的核心工作就是把SQL語句翻譯成MR程序，可以將結構化的數據映射為一張資料庫表，並提供 HQL(Hive SQL)查詢功能。

Spark 啟用了內存分布數據集，除了能夠提供互動式查詢外，它還可以優化迭代工作負載。

5、數據可視化：對接一些BI平台，將分析得到的數據進行可視化，用於指導決策服務。

G. 大數據方面核心技術有哪些

總的來說大數據有5個部分。數據採集，數據存儲，數據清洗，數據挖掘，數據可視化。還有新興的實時流處理，可能還有別的

H. 大數據分析主要有哪些核心技術

簡單說有三大核心技術：拿數據，算數據，賣數據

I. 發現公司里的大數據開發掙得很多，想轉行，

您好來：

大數據技術前景我自們是毋庸置疑的，而對於學習更是爭先恐後。在這些人中，不乏有已經在IT圈混跡好幾年的程序員，自然也有初出茅廬的零基礎小白。說實話，大數據不比編程學習，還是需要一定的基礎的，時間起碼需要半年左右。
想要成為一個優秀的大數據人才並不容易，你不僅需要系統的學習理論知識，熟練掌握技能技巧，還需要具備一定的開發經驗，而這些僅靠自學是遠遠不夠的，比較好的方式就是參加專業學習。希望可以幫到你。

J. 大數據包括哪些

大數據技術龐大復雜，基礎的技術包含數據的採集、數據預處理、分布式存回儲、NoSQL資料庫答、數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。
大數據主要技術組件：Hadoop、HBase、kafka、Hive、MongoDB、Redis、Spark 、Storm、Flink等。
大數據技術包括數據採集，數據管理，數據分析，數據可視化，數據安全等內容。數據的採集包括感測器採集，系統日誌採集以及網路爬蟲等。數據管理包括傳統的資料庫技術，nosql技術，以及對於針對大規模數據的大數據平台，例如hadoop，spark，storm等。數據分析的核心是機器學習，當然也包括深度學習和強化學習，以及自然語言處理，圖與網路分析等。