大数据工程师技能图谱

大数据通用处理平台

• Spark
• Flink
• Hadoop
• Drill

分布式协调

• ZooKeeper

分布式存储

• HDFS
• Alluxio(tachyon)
• Ignite

存储格式

• Parquet
• ORC
• CarbonData
• Kudu

数据库

• HBase

资源调度

• Yarn
• Mesos
• Kubernetes

工作流调度

• Oozie
• Azkaban

机器学习工具

• Mahout
• Spark Mlib
• TensorFlow
• DeepLearning4J
• Torch
• Theano
• Caffe
• MxNet
• Keras
• CNTK
• Amazon Machine Learning
• DMTK (微软分布式机器学习工具)

数据安全

• Sentry
• Apache Eagle

部署工具

• Cloudera Manager
• Ambari

数据分析/数据仓库(SQL类)

• Pig
• Kylin
• Presto
• Impala
• Hive
• Spark SQL／DataFrame／DataSet
• Phoenix
• ELK
  • ElasticSearch
  • Logstash
  • Kibana

消息队列

• Kafka(纯日志类，大吞吐量)
• RocketMQ
• ZeroMQ
• ActiveMQ
• RabbitMQ

流式计算

• Storm/JStorm
• Spark Streaming
• Fink

日志收集

• Scribe
• Flume
• Sqoop

编程语言

• Java／Scala
• Python
• R

数据分析挖掘

• MATLAB
• SPSS
• SAS

数据探索／可视化

• R
• D3.js
• ECharts
• Excle
• Tableau
• Zeppelin
• Hue

机器学习

机器学习基础

• 聚类
• 时间序列
• 推荐系统
• 回归分析
• 文本挖掘
• 决策树
• 支持向量机
• 贝叶斯分类
• 神经网络

算法

一致性

• paxos
• raft
• gossip

数据结构

• 栈，队列，链表
• 散列表
• 二叉树，红黑树，B树
• 图

常用算法

• 排序
  • 插入排序
  • 桶排序
  • 堆排序
  • 快速排序
• 最大子数组
• 最长公共子序列
• 最小生成树
• 最短路径
• 矩阵的存储和运算

云计算

• 云服务
  • SaaS
  • PaaS
  • IaaS
• OpenStack
• Docker