1.要成为一名大数据开发工程师必备哪些技能？
2.开源etl工具有哪些

要成为一名大数据开发工程师必备哪些技能？

       首先我们要了解Java语言和Linux操作系统，源码这两个是源码学习大数据的基础，学习的源码顺序不分前后。

       大数据

       Java ：只要了解一些基础即可，源码做大数据不需要很深的源码Java 技术，学java SE 就相当于有学习大数据基础。源码jq .fn 源码

       Linux：因为大数据相关软件都是源码在Linux上运行的，所以Linux要学习的源码扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的源码帮助，能让你更好的源码理解hadoop、hive、源码hbase、源码spark等大数据软件的源码运行环境和网络环境配置，能少踩很多坑，源码网易offer源码学会shell就能看懂脚本这样能更容易理解和配置大数据集群。源码还能让你对以后新出的大数据技术学习起来更快。

       Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。

       Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的yarn 源码阅读Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

       Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。扒页面源码这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

       Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

       Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。

       Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的源码注释掉Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

       Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

       Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。

       Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

开源etl工具有哪些

       开源ETL工具有：

       Talend、Apache NiFi、Pentaho Data Integration、Apache Flink等。

       以下是这些工具的详细解释：

       Talend：是一款广泛使用的开源ETL工具，支持数据集成、数据清洗和数据转换等多种功能。它提供了可视化界面，方便用户进行数据的抽取、转换和加载操作。同时，Talend也支持多种数据源和目标，包括数据库、文件、API等。

       Apache NiFi：是Apache软件基金会下的一个开源项目，用于自动化和协调数据的收集、分发和管理等任务。作为一个专注于大数据处理的可视化工具，Apache NiFi提供了一种简单的方式来连接各种数据源和目标，进行数据集成和转换。由于其高度灵活性和可扩展性，它在企业级大数据环境中得到广泛应用。

       Pentaho Data Integration：Pentaho是一个开放源码的商务智能平台，其中Data Integration是其组件之一。这是一个强大且灵活的ETL工具，提供了可视化设计环境来构建数据集成流程。Kettle支持多种数据源和多种数据转换任务，并且易于集成到现有的系统中。由于其易用性和强大的功能，Kettle在企业和开发社区中得到了广泛的应用。

       Apache Flink：虽然Flink主要是一个流处理框架，但在ETL场景中也有广泛的应用。它提供了强大的数据流处理能力，支持实时数据处理和分析。Flink提供了丰富的API和工具来支持数据的抽取、转换和加载，并且具有高性能和高可扩展性。随着大数据和实时处理需求的增长，Flink在ETL领域的应用也越来越广泛。

       这些开源ETL工具各具特色，根据具体的需求和环境，可以选择合适的工具进行数据集成和处理。