1、對，我們做大數據的也寫普通的 Java 代碼，寫普通的 SQL。

比如 Java API版的 Spark 程序，長得跟 Java8 的Stream API 一樣一樣的。

JavaRDD<String> lines = sc.textFile("data.txt");
JavaRDD<Integer> lineLengths = lines.map(s -> s.length());
int totalLength = lineLengths.reduce((a, b) -> a + b);

再比如，刪除一個 Hive 表。

DROP TABLE pokes;

2、對，Hadoop 、Spark 、Hive 的啟動和機器運維都跟一個普通的 Java 應用和數據庫沒什麽區別。

比如啟動hdfs

bash ./start-dfs.sh

比如啟動yarn

bash ./start-yarn.sh

比如啟動hive

bash ./hive

完事了，有啥神秘的？？？？不就是配一堆所有系統都有的配置嗎？

3、對不起，沒有一門叫數據倉庫的技術。

數據倉庫是一個集結了某個範圍內所有經過清洗的統一的數據存儲、分析的地點，並沒有一門叫數據倉庫的技術。

在實戰中，我們一般會使用 Hive 來當數據倉庫的載體，在沒有大數據基礎架構的公司也會使用各種傳統 DB 來當數據倉庫的載體，所以不要再說什麽你要學習數據倉庫 ok ? 要學 Hive 就說要學 Hive，要學數據治理就說要學數據治理。

4、對，我們大數據就是死寫SQL的，但腦回路跟你們不一樣

你們寫 SQL 優先想功能，我們寫SQL優先想這他媽能不能跑出來。

你們寫 SQL 可以一直調一直調，我們寫 SQL 要想好久才調一次，連機器是什麽跑的都要想清楚。

你們寫 SQL 壓根不管數據分布，我們寫 SQL 第一件事就是他媽不會數據傾斜吧？

你們寫 SQL 用都能直接寫，我們寫 SQL 前要寫一萬個 SQL 做數據清洗。

5、對，10倍，100倍，100萬倍 的數據增長我們就需要一直改方案，改改改。

你的 SQL 在10倍量下能跑，在100萬倍下，你可能要付出非常久非常久的思考和努力才能基本跑出來，比如一個簡單的去重統計。

你的SQL count(1) group by 一下就出來了。

我的如果寫得跟你一樣我估計這輩子都出不來結果了。

不解釋了，大數據計數系列了解一下。

大數據計數原理1+0=1這你都不會算(十)No.77

6、Spark 很快，但 Spark 也很慢

Spark是純內存計算，但Spark也是批量計算，其中存在的缺陷你們思考一下，對比一下 FLink 這類純流式計算。

7、即使你有100T數據，你也不是在做大數據。

第一數據存儲占用空間大不代表就是大數據，第二即使你數據量級夠思維不對你也不是在做大數據。

8、大數據跟機器學習是一家，壓根離不開

你可能永遠也不會知道 分而治之，統計學，概率論 在這兩個學科的統一性和重要性。

9、對不起，你別以為大數據只有 Hadoop，大數據技術棧廣和深得你幾乎不可想象。

你以為你學完了，完全不可"棱"。

https://mp.weixin.qq.com/s/ynz-mLlyO052LxyhbyovAw

大數據從大量、快速變化、多種特征、低價值數據中得到不可替代的價值，其挑戰和難點不少，現在不少重復的數據處理工作要人來做，需要有工具自動化思維來變革。

大數據和你想的不一樣