Přepínání kariéry: Od Javy k Big Data / Hadoop



Tento příspěvek pojednává o tom, proč byste měli přepnout kariéru z Javy na Big Data. Naučte se, jak jdou znalosti Hadoop Java ruku v ruce, a pomozte vám vybavit úlohy Hadoop ve velkých datech.

Ve všech našich životech je tento bod, kdy přemýšlíme o změně kariéry nebo schválení našich dovedností, abychom zlepšili náš kariérní růst nebo dokonce jen udržovali aktuální informace o rostoucích trendech. Ale pečlivá analýza současného trendu a dodržování požadavků slouží jako dobrá metoda pro výběr, se kterou sadou dovedností se bude aktualizovat. Při pohledu na současný trh rostou technologie Hadoop a Big Data extrémně rychle a mají také velké tržní požadavky. Nárůst zájmu o „ Velká data ”Vybízí mnoho manažerů vývojového týmu, aby zvážili Hadoop technologie, protože se stále více stává významnou součástí aplikací Big Data. Přitom je zásadní provést inventarizaci sad dovedností požadovaných při jednání s Hadoopem. Podle Heleny Schwenkové, analytičky společnosti MWD Advisors, citovala web SearchSOA.com, že ucelené dovednosti implementačního týmu Hadoop by měly zahrnovat zkušenosti s rozsáhlými distribuovanými systémy a znalost jazyků, jako jsou Jáva , C ++, Pig Latin a HiveQL. Data





Nyní je jasné, že mít znalosti o Java je základní dovednost potřebná v Hadoopu . Pojďme si promluvit o tom, jak snadné je přejít z prostředí Java na Hadoop.

Proč potřebujete přejít z Javy na Big Data?

  • Pohled do pracovních trendů Java a Hadoop :

Trend práce - Java k velkým datům



Při pohledu na grafické znázornění trendů pracovních míst převzatých z Googlu je docela zřejmé, že trend pracovních míst Hadoop je mnohem lepší než Java. Když to řekneme, neznamená to, že v trendu pracovních míst založených na Javě dochází k poklesu. Jenom to je s rostoucím nárůstem Hadoopu a poptávka po společnostech hledajících odborníky na Javu se znalostmi Hadoopu příliš velká na to, aby byla ignorována. To je jasně vidět v grafickém znázornění trendu úlohy pro „Java with Hadoop“ dovednost druh práce.

co je kurz datové vědy

  • Při kontrole pracovních požadavků pro Javu s dovednostmi Hadoop existuje obrovská poptávka, ale není dostatek profesionálů s výše uvedenými dovednostmi, aby vyhověli požadavkům. Podle vývojářů Slashdot, JPMorgan Chase a dalších společností hledajících uchazeče o zaměstnání v této oblasti na letošní světové konferenci Hadoop World. Zdá se, že nemohli najít dostatek IT profesionálů s určitými dovednostmi, které zahrnují Hadoop MapReduce (skripty MapReduce napsané v Javě). To znamená vysokou mzdu.
  • Podle Dice’s Open Web je Java předními manažery náboru dovedností, kteří hledají kombinovanou dovednost Java-Hadoop. Hadoop s Javou je cenná dovednost, protože HDFS (Hadoop Distributed File System) je napsán v Javě.
  • Podle Business Insider má Hadoop plat nejméně 103 000 $ ročně.
  • Práce s dovednostmi Big Data platí ročně více než 106 000 $.

Proč je pro profesionála v jazyce Java snazší přejít na Hadoop?

Hadoop je open-source programovací rámec založený na Javě, který podporuje zpracování velkých datových sad v prostředí distribuovaných výpočtů. Na základě modelu MapReduce společnosti Google distribuuje Hadoop výpočetní úlohy a poté kombinuje výsledky. Zde použité skripty MapReduce jsou psány v Javě. Nyní je zcela zřejmé, že pro práci na Hadoopu je znalost jazyka Java nezbytná. A znalost jazyka Java z něj dělá procházku, když přijde na přechod na Hadoop.



Skutečnou otázkou, kterou si nyní musíme položit, je Hadoopova setrvalá síla jako kariérní cesta:

IBM, Microsoft a Oracle letos začlenily Hadoop. Další společnosti s Hadoop a hledající profesionály Hadoop k listopadu 2013 jsou:

  • Amazon (110)
  • eBay (53)
  • Yahoo! Inc. (37)
  • Hortonworks (36)
  • Facebook (33)
  • Apple (28)
  • General Dynamics - IT (28)
  • EMC Corporation (27)
  • Northrop Grumman (25)
  • Twitter (23)

To je jednoznačným znamením, že Java to Big Data / Hadoop je způsob, jak jít.

jak používat třídu skeneru v Javě

Máte na nás dotaz? Uveďte je v sekci komentáře a my se vám ozveme.

Související příspěvky:

4 praktické důvody, proč se naučit Hadoop 2.0

7 způsobů, jak školení velkých dat může změnit vaši organizaci