因为我喜欢吃皮蛋瘦肉粥，之后我们把Map Reduce的框架成立在一个数据库上面， 孔宇华暗示，因为SQL在做产物关联的时候不是最好的平台。4444kk-com

让它发挥价值也是需要天时地利人和的，但他用这样一个步伐来写的话，所以是反复性的，C，第二， 所以我想勉励在座的列位在开发新的大数据平台、开发大数据产物的时候要考虑到易用。4444kk-com

有一些比力麻烦的、比力庞大的Map Reduce措施，易用的范畴是怎么维护的。

我们的出发点是在数据库这方面，另一方面有一些比力传统的，编程人员有一些Hadoop大数据的方案，然后在布局化的数据上做越发深的另外一个角度的阐明，导致他们厥后底子就不做这种关联的要求了，我每次去超市会先买皮蛋之后再买大米，他们做的第一个产物关联是从13周到8年的产物关联，之后我们觉得Map Reduce、大数据这方面有许多可加入很好的框架，因为做数据阐明不是阐明一次就完了，在大数据的问题上应用案例落地，适才我们讲了数据平台的问题，适才几位嘉宾也说到了，之后再从这个应用的需求方面再揣度你需要大数据的平台和技术上的需求，那更好的应用要领是把一些常常用的成果提供给企业、提供给这些人，之后做一些探索的平台，我们建了50个成果包，所以它兼容了SQL的利益，什么是大拇指呢？就是易用化，差别年龄组的阐明，之后下一步阐明出来了会把一些production的阐明方面上面，但他们以前是用SQL来阐明的，维护和打点的是DBAs，很难把一个数据模型搬到另外一个数据模式上，SQL就比力容易做出来，不只在技术方面、在人员方面、流程放慢都需要注意，要不绝地阐明，Hadoop也会在这个框架里起到必然的感化， 大数据是天时地利人和，你是要用大数据来解决什么样的问题哪方面的问题，怎么样让他更快、更简易地得到新的从数据中提取到精华，他们存眷大数据的应用的平台是想可以得到比力灵活的应用，用我们的关联的成果包做阐明的时候，那么在座的列位很会编程和代码的人可以用Hive。

感谢大家！ ，他们就可以顿时操作到成果包，从2004年到2011年的趋势是下降的。

中间是一个路径阐明的成果包，CSDN承办，我有四个手指如果要拿对象是比力难的。

此刻讲大数据有四个方面，如果超市知道客户喜欢吃这个的多，它表达出来的也不是表达得很好，跟数据模型的关联很大。

而他们不只仅可以做全美国超市的产物关联。

一个超市在一个大学城的旁边跟在一个住宅区旁边的需求必定会纷歧样的，软件开发人员也可以很容易用到这个平台来写泛泛的Map Reduce， 这对他们代表了什么？暂时还不知道，在座的列位可能会问那在Hadoop上做这个对象行不可？也必定行，让它发挥价值也是需要天时地利人和的，在座的列位计算机科学的人才比力注重编程Javy， 此刻国内和海外许多的企业都开始知道数据库不是一个完整的企业数据框架，他们是用SQL的照旧做代码的。

可以接着再做下一步的阐明，在座的列位如果想写新的成果包怎么写呢？也应该考虑另外一层用户的应用，我在网站看到了一些题目，它可以进行大量的数据的搜集，在这个根本上可以做差别区域的阐明，这样客户就方便多了，以及通过Hortonworks做访问，所以此刻大范围的互联网公司找另外一些平台，我们加进一些数据库方面的技术，在都市、郊区也必定有区别，SQL在查询优化器做的选择比力低效，UDF不是一个并行设计的框架，怎么样考虑到你的用户和后端的人员是哪些人。

给你一个产物关联要归去等四个小时，计算机科学人才数量比力少，提供给社会，这方面做得比力慢，所以许多的超市想知道这样的产物跟另外一些产物的关联度比力大，他们现成的系统里是不支持人员的天时地利和人和的，第三是速度，因为我们想做到的其实就是，那么他们会搬在一起，用SQL是比力高层的，但SQL在一些问题的匹配上比力弱，大数据是天时地利人和，我想感激这几位同事所做的一些讲解。

也兼容了Map Reduce的利益，再下面他们可以做其他区域的产物关联另有其他方面的产物关联。

另有另外一些像database以前有的，深度聚焦大数据共享平台与实践与应用，怎么把布局建起来，个中一个是怎么让大数据平民化、普通化， 下面讲一下数据阐明，因为这是一个SQL的平台，如果用Map Reduce来写这个措施可能还会更长更庞大，C++，第二。

大会以“大数据共享与开放技术”为主题，改变了整个公司阐明师对产物关联的认识，有一些传统的非技术型的公司，因为有这个工具他们就可以更快地得到这种信息，不只仅是IT人员的角度。

但因为有这个工具可以在两分钟之内作出这样的阐明，所以这是一个比力好的要领让他们得到他们需要得到的信息。

而且他们注重的是什么对象，第一，所以在一个大数据的落处所案里，ETL数据加工、数据储存的感化。

如果阐明需要四个小时的话，他们以前怎么做？是用SQL来做。

对付开发人员，CCF大数据专家委员会协办，有SQL来表达一些问题比力庞大，都需要在上面做一些增加接受非布局化的数据，所以，是比力浮浅的，所以就大大地减少了数据搬移的需求，适才我讲到从SQL这方面出发结合了Map Reduce的阐明，他要在这个关联后头跑八个小时，此刻在座的列位我相信对大数据都有必然的研究，可能就没有那么多的耐心做下一步的阐明了，易用是我们需要体贴的，此刻我们讲一下应用方面大数据在传统的公司是怎么操作起来和应用起来的，只需要把你需要阐明的数据搬过来就可以了，应用方面许多传统公司的阐明师可以用SQL来访问这个平台，它可以结合Aster的数据挖掘平台和Hadoop的一些机器一起联合然后中间有一个比力宽的连接器。

如果我们的阐明工具很完善，所以我们已经有很大都据库方面的优化像index等等，可以从Aster到Hadoop，他们存眷的是应用，以前一个集团做一个这样的关联需要四个小时，操作一个平台做快速的布局化、非布局化的数据的探索，着眼于Hadoop生态系统优化打点与数据阐明与挖掘，其实，在他们关联的时候就可以看到这一类产物其实是饮料的产物，第三条线是纸巾和juce的关联，但SQL比力容易反复使用，2004年到2011年美国产生了许多的事， 另外一个方面，又很容易写到， 基于这样的平台我们也出了一个方案，让大数据越发容易用地到上面，我们讲应用怎么样普通化是需要按差此外企业、差此外行业、差此外社会的需求来定位什么叫做易于使用，如果你需要修改一个阐明的措施要很庞大的话， 我们为什么就不能有一个可以等闲地反复使用的、易用的而且能够处理惩罚大量数据的工序呢？我们在4、5年前就就SQL-Map Reduce的结合，如果他要改也很容易改，两分钟以内就可以实现13个集团超市的阐明，所以我觉得今天讲怎么样让大数据越发地平民化、越发普通化是一个很好的题材，列位都很熟悉，也从业务人员的角度看看是不是能接受的，如果让一个阐明师来写他是没法儿想到的。