接着前两篇对大数据的介绍之后，本篇从实际操作的角度分享大数据内部关键的运作机制，这是在真正开始学习大数据之前对大数据的一个概览。为的是让我们成为大数据的主人。以下是小编为你整理的为什么要学习大数据
大数据运行机制
这是对大数据运行机制的概览，如果你阅读过上一篇(OODA)，就会感觉非常熟悉。不错，他们在概念上是如出一撤的!不过实际操作却又有巨大的不同。
在这里还是要推荐下我自己建的大数据学习交流群:199427210，群里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入,大家都是软件开发党，不定期分享干货（只有大数据软件开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴加入。
收集数据：
大数据的第一站就是收集和存储海量数据(公开/隐私)。现在每个人都是一个巨大的数据源，通过智能手机和个人笔记本释放出大量的个人行为信息。获取数据似乎已经变得越来越容易，数据收集这一模块最大的挑战在于获取海量数据的高速要求以及数据的全面性考虑。
清洗数据：
传统商业智能在数据清洗处理的做法(ETL)是，把准确的数据放入定义好的格式中，通过基础的抽取统计生成高维度的数据，方便直接使用。然而大数据有个最突出的特征——数据非结构化或者半结构化。因为数据有可能是图片，二进制等等。数据清洗的最大挑战来了——如何转化处理大量非结构数据，便于分布式地计算分析。
硬件：
这是大家都很熟悉的概念，和大数据相关的是虚拟化。主要包括存储虚拟化，计算虚拟化。因此又说虚拟化存储和云计算是大数据的“左膀右臂”!!大数据还需要支持多种类型的数据库，因此一个支持扩展的数据仓库是大数据中的基础。
HBase/Sqoop/Flume(数据导入与导出):
HBase是运行在HDFS架构上的列存储数据库，并且已经与Pig/Hive很好地集成。通过Java API可以近无缝地使用HBase。
Sqoop设计的目的是方便从传统数据库导入数据到Hadoop数据集合(HDFS/Hive)。
Flume设计的目的是便捷地从日志文件系统直接把数据导到Hadoop数据集合(HDFS)中。
以上这些数据转移工具都极大的方便了使用的人，提高了工作效率，把经历专注在业务分析上!
ZooKeeper/Oozie(系统管理架构)：
ZooKeeper是一个系统管理协调架构，用于管理分布式架构的基本配置。它提供了很多接口，使得配置管理任务简单化!
Oozie服务是用于管理工作流。用于调度不同工作流，使得每个工作都有始有终。
这些架构帮助我们轻量化地管理大数据分布式计算架构。
Ambari/Whirr(系统部署管理)：
Ambari帮助相关人员快捷地部署搭建整个大数据分析架构，并且实时监控系统的运行状况。
Whirr的主要作用是帮助快速的进行云计算开发。
Mahout(机器学习)：
Mahout旨在帮助我们快速地完成高智商的系统。其中已经实现了部分机器学习的逻辑。这个架构可以让我们快速地集成更多机器学习的智能!!
大数据服务对比
不同大数据服务提供商有不同的产品线，因此不同提供商的产品适用场景也会有所不同。我们重点分析三大服务提供商的大数据服务架构。
亚马逊
拥有大量关于大数据处理的经验。初期大数据使用者大部分都使用亚马逊打造的Hadoop架构服务(EC2)。
经过厚重沉淀之后，Amazon在2009年提供开发EMR大数据服务。EMR服务提供了多种大数据处理分析方案，比如简单查询服务，关联数据分析服务。EMR服务可以使用Hadoop语言继续开发，并且访问EMR服务的步骤也相当简单并且安全。
亚马逊使用托管DynamoDB代替HBase，作为易于扩展的NoSQL数据库。
谷歌
谷歌云服务平台出类拔萃，它所提供的并非虚拟化解决方案，而是提供由API定义的服务和应用程序。程序员无需顾虑硬件，甚至不需要关心后台的运作行为。
当然这从某种程度也限制了程序员的工作，不过如果谷歌的服务适合业务，那么使用起来将是全世界最高效快捷的大数据架构服务。
谷歌的AppEngine作为云平台管理服务，提供了基于MapReduce的大数据并行计算服务。所有的这些服务都可以通过REST风格的API访问。
BigQuery作为分析的数据库，提供了类SQL的查询语法。它的性能要比Apache Hive来得快!
微软
微软在大数据中属于后来居上者。通过Microsoft Azure大数据服务平台，微软融合自身海量成熟的软件，例如SQL Server，提供了多种IaaS服务。
微软的服务面向更多的程序员，使得可以使用不同语言来对接大数据平台Azure。Azure旨在提供一个生态的大数据分析开发环境，使得普通研究员也可以施展自己对大数据的理解!
学习Oracle是一个漫长艰辛的过程
如果没有兴趣，只是被迫学习，那么是很难学好的。学习到一定程度的时候，要想进一步提高，就不得不接触很多Oracle之外的东西，如Unix，如网络、存储等。因此，要真的决心学好Oracle，就一定要有兴趣。有了兴趣，就会一切变得简单快乐起来。简单总结一下，那就是：兴趣、学习、实践。
如何入门是许多初学者最头疼的事情。Oracle涉及的方面太多了：SQL、管理、优化、备份恢复……那么从哪开始学好呢?如果在大学期间学过数据库理论，或有一定的数据库基础自然很好;如果没有的话，真的是个大问题。我个人认为还是应该从SQL语句学起。比较好的教材是Oracle OCP认证的《SQL and PL/SQL》。学习SQL的时候，尽可能坚持使用Oracle自带的工具：SQLPLUS。
有了一定的SQL基础后，就要尽可能的了解Oracle的体系结构，这就涉及到了Oracle管理的内容了。我学习的时候，机械工业出版社的《Oracle9i DBA手册》这本书对我的帮助挺大。或许现在都出11g版本的了吧。Oracle公司的《Oracle Concepts》是非常棒的书，对了解Oracle体系结构很有好处。每个Oracle版本都有对应的版本，可以认真多读几次，每次都会有新的收获。
公司的产品现在几乎都采用Oracle了，我们做维护的时候，备份与恢复是不得不接触的内容。数据量少的，比如20、30多个G，还可以考虑用exp/imp来备份与恢复，但数据量大了，这种方法就根本不适合了。于是学习Oracle备份与恢复技术也是必然的事情。大数据量情况下，Oracle建议用RMAN来进行数据的备份与恢复。目前市场上有很多数据库备份恢复软件，其实好多也是后台调用RMAN。清华大学出版社出版的《Oracle 9i RMAN 备份与恢复技术》是一本非常不错的介绍RMAN的书。
有了以上的基础，可以说已经入门了，对遇到的一些初级Oracle问题将不再束手无策。然而我们的学习之路仍然还很漫长。我们的用户可能经常抱怨数据库运行缓慢。这时，如果有一定的优化知识，那就好办了。有时你会看到优化前需要运行几个小时的作业，优化后也许几秒钟就能完成!Oracle9i的性能诊断工具包statspack、Oracle10g/11g的自动工作符合存储库AWR都是调优的好帮手。机械工业出版社出版的《Oracle9i STATSPACK高性能调整》是学习statspack不错的书。