Java是我們耳熟能詳的編程語言，大數據更是當今科技的明星技術，那Java和Java大數據架構學習的內容是一樣的嗎?兩者有什么區別呢?今天動力節點Java學院的老師就從Java和大數據架構的以下方面談談兩者的區別。

架構師需要考慮四個問題

1. 確定系統干什么不干什么,也就是說系統的邊界在哪里?
2. 確定架構內部的模塊與模塊之間的關系,以及模塊與外部之間的關系是什么?
3. 架構確定以后,有能力去指導開發去繼續設計和演化,如果開發設計和演化出來的東西和架構不一致也是有問題的。
4. 確定非功能性需求,安全性,可擴展性,可用性,可維護性。

Java架構方向人才

系統的技術選型和可行性評估;

你這可以理解為：你家的房子戶型設置，硬件軟件配置必須要有自己的經驗，裝修完之后總得適用，不浪費成本，偏激一點總不能到處是柜子。

分布式技術框架的把控;

你這可以理解為：你家的柜子可以做出多種組合，你家的被子是放在A柜，枕頭放B柜，床單放C柜，這得看你的劃分用途。

深入發掘和分析業務需求，重點模塊的設計、方案評審與技術支持，技術難點攻堅，應用系統分布式技術的落地，撰寫技術方案和系統設計,最終完成編碼工作;

你這可以理解為：柜子可以用來放東西，也可以用來拼裝;如果組合柜，那可以拼出一些藝術品，那就看你的空間思維了。

針對產品性能和架構優化，確保系統的架構質量;

你這可以理解為：柜子如果沒有按照之前圖紙來規劃安裝擺放，你就會發現有些地方是可以改進的，及時完全參照圖紙，你還是會想如何改進，這就會產生一些小想法;你可能會想如何裝更多的物品，如何方便取物，如何整理方便。

優秀的抽象設計能力，思路清晰，善于思考，能獨立分析和解決問題及編寫解決方案;

你這可以理解為：哇，你家的裝修真棒，這時你的鄰居，或親威朋友想參考你的想法，你可以提供一整套安裝配置方案，現在你就是專家，因為他們想利用空間，發揮你的空間想像力。需要你來指導裝修，提高裝修質量，減少控制裝修成本等等。

熟悉linux，能熟練應用shell/python等腳本語言;

扎實的Java基礎知識，熟悉IO、多線程及并發技術;

熟練掌握redis、mongodb、netty、kafka等中間件;

對JVM原理有扎實的理解，對服務器端設計和編程有深入理解;

你這可以理解為：你對基建設施了如指掌，編譯原理很清楚，恭喜你，你已經超過我了。

算法基礎扎實，熟悉常見的數據結構，熟悉常用的設計模式，深入理解分布式算法和主流分布式系統，了解主流消息隊列工作原理;

你這可以理解為：排序，索引，存儲，去重，平滑等一些算法有深入了解，恭喜你，你已經是數學專家級了。

有豐富的分布式、高并發、高負載、高可用性系統設計經驗，熟悉分布式緩存、消息等機制。

大數據架構方向人才

針對大數據平臺的設計和開發制定數據架構規范，進行核心代碼編寫;

你這可以理解為：有設計圖紙的能力，能夠指導各個組件安裝部署，以及數據的數據抽象能力。

針對數據基礎架構和數據處理體系的升級和優化，技術難題攻關，持續提升核心系統性能，保證系統的安全、穩定、高效運行;

你這可以理解為：數據的價值，在于你的抽取采集能力是否高深，是否便于加工，標注。各組件的穩定性，兼容性，是否有預警，在于你的規劃和監控接口是否到位。

大規模數據實時化、大數據技術容器化、私有云實施方案、數據模型規范化等方面根據不同項目的技術發展路線;

你這可以理解為：引入 Docker 的鏡像機制來完善自己的容器;同時計算能力、數據結構抽象、定義，要用自己的風格和規范。能用最簡單的配置，迅速跑起來流式streaming或離線處理spark程序.

跟蹤大數據相關領域的技術趨勢，競爭對手的產品、技術動態;

大數據平臺的穩定性和性能優化及技術攻關;

產品研發過程中關鍵設計的把關和研發;

精通大數據生態圈主流技術和產品，如Hive、Storm、Flink、Spark，ELK、Kafka，Zookeeper、Yarn，presto，Hue等，對Spark分布式計算的底層原理有深度理解，對復雜系統的性能優化和穩定性的一線實戰經驗;

精通實時數據倉庫設計，深刻理解MR運行原理和機制，能進行任務執行效率的優化，熟悉開源數據交換工具如sqoop，streamset，kettle，datax等

熟悉elasticsearch、Lucene、Solr、Kylin、Phoenix、Alluxio等相關技

具有規劃和決策能力，善于捕捉業務需求、架構設計存在的問題，并能給出有效的解決措施和方法 。

數據預測，預警，人工智能，圖像識別，智能語音，物聯網數據采集，標注等。線性計算，神經網絡，知識圖譜，都要有自己的項目，而且能迅速組建團隊，成就你的客戶，你就是未來的行家和贏家。

兩者側重點不同

Java架構

• 開發語言
• 分布式，高可用
• 設計模式
• 支撐業務的系統架構或者工具集

大數據架構

• 不局限開發語言，有Java,Scala,Python,Go等更有裨益
• 人工智能，商業智能，數據挖掘
• 離線，實時，高效率，高可用
• 結構化數據，半結構化數據
• Hadoop生態圈
• 使用的模型越來越復雜，計算量指數級上升
• 組件集

總之

了解到用戶的痛點，抓住用戶的喜好，改善用戶的體驗。

一個好的產品，一定要讓用戶感覺到爽。核心問題還是哪些數據值的采集，每個開發，碼者都應該站在產品的角度去思考問題，如何描繪出適合我們的一套智能化，自動化的問題解決方案