golang大數據,golang大數據開發

本文目錄一覽：

• 1、PHP在最近一年在編程語言排行榜上下滑的原因是什麼
• 2、golang chan 緩衝設置多大
• 3、golang適合做web開發嗎
• 4、成為大數據工程師要學習哪些知識?
• 5、大數據工程師是做什麼的
• 6、Golang解析json的特殊情況處理

PHP在最近一年在編程語言排行榜上下滑的原因是什麼

主要從兩個方面發表一下個人看法：

行業變遷

最近兩年，我們耳熟能詳的技術熱詞比如：雲計算、machine learning、TensorFlow、AI……，基本與PHP都沒太大的關係，再比如：（自然語言處理）NLP、（物聯網）IoT、big data、區塊鏈（blockchain）……，也基本和PHP沒太大的關係；難道說PHP技術不行了？那倒也不是，其根本原因在於技術發展日新月異，開發語言也愈加細分，golang主要用於雲計算、Python主要用於神經網絡與深度學習、大數據與數據可視化分析有R語言，反觀PHP，似乎除了web、及部分APP後端開發，其他專業技術領域有點力不從心，儘管它也在一直尋求新的爆發點。

語言特性

在web開發不甚成熟的時代，PHP以其“開發周期短”、“技術門檻低”的優勢吸引了一大批開發人員加入，雖然項目可以很快推上線，但由於“弱類型解釋語言”的基因缺陷，在性能優化大行其道的今天，PHP需要補足這一先天缺陷（從PHP5~PHP7就可以看出），這也給很多其他開發語言趁勢而上的機會，比如go語言。業務量暴增需要程序能適應更高的並發訪問以及更低的延遲，go語言天生的並發編程語言特性就恰好解決這一痛點，我所參與的大部分項目都選擇go語言進行數據的雲同步。再來說說Python，同樣是動態解釋型語言，Python的技術應用場景相比PHP而言則多出不少，比如GUI程序開發、機器學習、數據抓取與分析……，一旦項目有大量數據抓取的需求，我的第一選擇肯定會是Python，因為在同等開發周期內，Python的效率與執行效果是最優的；所以總的來看，性能不及golang純粹，應用場景不如Python豐富，卻也不能否定“PHP是最好的開發語言”。我一般的技術選型如下：web後端與輕量級APP後台任務用PHP，大數據量吞吐與並發數據傳輸用golang，大數據抓取與分析用Python，我一直認為“術業有專攻”，沒有最好的語言，只有最合適的語言，如果能一槍放倒敵人就沒必要與其拼刺刀。

golang chan 緩衝設置多大

看你的需求，如果並發性不是太強的話make10足夠了，完全不並發的話不用緩衝都可以，大數據的話可能要多一些

golang適合做web開發嗎

適合。框架足夠成熟了 A Survey of 5 Go Web Frameworks

小型項目你甚至不用框架，用net/http http – The Go Programming Language

常用庫也成熟了 Top – Go Search

golang的web後端即使不concurrent也比php，ruby，python快很多很多

golang里用concurrent真的非常方便，非常非常快，超大web項目golang scale成本低

如果你想，golang的部署可以比php更方便，使用go get和http.ServeAndListen()可以不用nginx和apache

對於文件改動重新編譯其實並不是大問題，看pilu/fresh · GitHub，其實你自己寫shell腳本（也可以直接用go寫，因為它本身就是系統語言）監控文件系統改動然後自動重新build，即使是C/C++的項目這也不是大問題，人們不用C/C++寫web是因為它們不是寫web app的最佳選擇

golang寫的代碼編譯通過後，要比scripting language魯棒，因為go compiler強制一些最佳實踐

成為大數據工程師要學習哪些知識?

1.大數據架構的工具與組件

數據工程師更關注分析基礎架構，因此所需的大部分技能都是以架構為中心的。

2.深入了解SQL和其它數據庫解決方案

數據工程師需要對數據庫管理系統有比較熟悉的了解，而且深入了解SQL非常重要。同樣其它數據庫解決方案，例如Cassandra或BigTable也須熟悉，因為不是每個數據庫都是由可識別的標準來構建。

3.數據倉庫和ETL工具

數據倉庫和ETL經驗對於數據工程師至關重要。像Redshift或Panoply這樣的數據倉庫解決方案，以及ETL工具，比如StitchData或Segment都非常有用。另外，數據存儲和數據檢索經驗同樣重要，因為處理的數據量是個天文數字。

4.基於Hadoop的分析(HBase，Hive，MapReduce等)

對基於Apache Hadoop的分析有深刻理解是這個領域的一個非常必要的需求，一般情況下HBase，Hive和MapReduce的知識存儲是必需的。

5.編碼

說到解決方案，編碼與開發能力是一個重要的優點(這也是許多職位的要求)，你要熟悉Python，C/C++，Java，Perl，Golang或其它語言，這會非常有價值。

6.機器學習

雖然數據工程師主要關注的是數據科學，但對數據處理技術的理解會加分，比如一些統計分析知識和基礎數據建模。

大數據工程師是做什麼的

大數據工程師主要是，分析歷史、預測未來、優化選擇，這是大數據工程師在“玩數據”時最重要的三大任務：

找出過去事件的特徵：大數據工程師一個很重要的工作，就是通過分析數據來找出過去事件的特徵。找出過去事件的特徵，最大的作用是可以幫助企業更好地認識消費者。通過分析用戶以往的行為軌跡，就能夠了解這個人，並預測他的行為。

預測未來可能發生的事情：通過引入關鍵因素，大數據工程師可以預測未來的消費趨勢。

找出最優化的結果：根據不同企業的業務性質，大數據工程師可以通過數據分析來達到不同的目的。

擴展資料

大數據工程師需要學習的知識

1、linux

大數據集群主要建立在linux操作系統上，Linux是一套免費使用和自由傳播的類Unix操作系統。而這部分的內容是大家在學習大數據中必須要學習的，只有學好Linux才能在工作中更加的得心應手。

2、Hadoop

我覺的大家聽過大數據就一定會聽過hadoop。Hadoop是一個能夠對大量數據進行離線分布式處理的軟件框架，運算時利用mapreduce對數據進行處理。

參考資料來源：百度百科-大數據分析師

Golang解析json的特殊情況處理

Go解析json遇到了大數字、不定格式等特殊情況，在此做了一個整理。

選擇哪個要視輸入而定。

json.Unmarshal 操作對象是一個 []byte ，也就意味着被處理的JSON要全部加載到內存。如果有一個加載完的JSON使用 json.Unmarshal 會快一些。

json.Decoder 操作的是一個 stream ，或者其他實現了 io.Reader 接口的類型。意味着可以在接收或傳輸的同時對其進行解析。當處理一組較大數據時無需重新copy整個JSON到內存中。

最好的選擇辦法如下：

默認情況下，go對json解析過程中遇到的數字都會當做float64處理。如果數字過大會有精度丟失。可以使用json.Number來處理。

輸出結果：

使用 json.Decoder 只能操作 io.Reader 類型的JSON數據。

有時候遇到字段不定的JSON，需要一邊判斷一邊解析。如：

可以先統一解組到interface{} 然後判斷關鍵字段再進行後續處理。

結果

使用RawMessage便於分步Unmarshal

原文鏈接