赞
踩
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
姓 名: 性 别:
年 龄: 工作经验:
学 历: 本科 (全日制) 专 业: 计算机科学与技术
籍 贯: 英语水平:
电 话: E-mail:
·求职意向·____________________________________________________________
目标薪资:面议
工作职位:大数据开发工程师
求职状态:离职
·IT技能·____________________________________________________________
一、大数据技术
1、能够搭建Hadoop并熟练使用相关技术HDFS、Yarn、MapReduce、Flume、Sqoop;
2、掌握Mapreduce作业调度原理,深入理解Mapreduce运算原理与Shuffle过程;
3、熟悉Spark工作流程,会使用Spark Sql进行数据处理和能够使用SparkStreaming进行流式计算;
4、能够使用消息中间件Kafka进行数据缓存;
5、掌握Zookeeper工作原理,并能够借助Zookeeper搭建HadoopHA集群、SparkHA;
6、熟悉全文检索Lucene、Elasticsearch;
7、能够使用反向代理Nginx进行请求的动静分离与服务器的负载均衡;
8、了解Storm架构,能使用Storm进行实时计算。
二、数据库相关技术
1、能够使用Hive和Hbase进行海量数据的分析处理;
2、能够操作MySQL数据库进行数据的存储;
3、熟悉MongoDB和Redis的使用。
三、编程语言
1、能够使用Java进行编程;
2、能够使用Scala进行Spark操作;
3、了解Shell脚本编程;
4、了解Python的基本使用。
四、其他
1、能够使用Spring、SprngMVC、SpringBoot、MyBatis等框架搭建项目;
2、熟悉Linux常用命令;
3、熟悉使用GitHub、Maven等开发工具。
·工作经历·____________________________________________________________
2017年4月-2019年3月
公司行业:计算机软件 工作职位:大数据开发工程师
工作职责:
1、主要负责大数据分布式存储;
2、离线数据来源的分析,实时数据的计算;
3、数据采集、清洗等方案的设计。
·项目经验·____________________________________________________________
项目一:
草民电影网数据分析 开发周期 2018年8月-2019年2月
技术实现:
Hadoop+Flume+Kafka+Mycat+Hive+Spark+SparkMLlib+
Redis+MongoDB+Elaticaserch
项目职务:大数据开发工程师
项目简介:
该项目是为电影网站进行收视统计,在用户观看的各类电视剧、电影节目中为了便于我们掌握用户哪个电视剧与电影更受观众欢迎,我们可以通过一些用户的观看情况进行监测,求出各类热门的电视剧与电影,实时的统计每天注册的人数。
项目职责:
1、负责参与网站指标离线统计分析:如电影的平均得分统计、每个类别优质电影统计、最热们电影统计、优质电影统计等;
2、对数据进行采集,将数据清洗存入到Hdfs中;
3、利用Spark MLlib中的协同过滤ALS算法计算用户电影推荐矩阵、电影相似度矩阵;
4、使用ES计算出基于内容的推荐结果等。
技术要点:
1、Flume监控日志数据传输给Kafka;
2、Hadoop和ES分别从Kafka中拉取数据并进行实时的清洗入库;
3、利用SparkSql从Hadoop中拉取数据进行离线数据分析计算;
4、利用Spark Streaming从Kafka中拉取数据实时计算;
5、使用Spark MLlib的ALS推荐算法分析给用户推荐离线视频;
6、使用公司提供的算法流程计算实时推荐视频。
项目二:
游戏数据指标分析 开发周期 2018年4月-2018年8月
技术实现:
Hadoop+Zookeeper+Sqoop+Mycat+Hive+Kafka+Flume+Spark+Redis+Nginx+Hbase
项目职务:大数据开发工程师
项目简介:
通过对游戏数据的各项指标的分析,可以帮助游戏运维者了解玩家的行为和需求,通过玩家反馈的信息可以不断地矫正游戏中出现的问题,从而让游戏健康稳定的可持续运营。
项目职责:
1、统计活跃玩家:DAU、WAU、MAU、DAU/MAU,玩家等级、地区、年龄、性别维度分布;
2、统计忠实玩家(7、14、30持续在线)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
项目、大纲路线、讲解视频,并且后续会持续更新**
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。