ជំនាញដែលត្រូវការបំផុតក្នុងអាជីពវិស្វករទិន្នន័យ

នេះបើយោងតាម ស្ថិតិឆ្នាំ 2019វិស្វករទិន្នន័យបច្ចុប្បន្នគឺជាវិជ្ជាជីវៈដែលតម្រូវការកំពុងកើនឡើងលឿនជាងអ្វីផ្សេងទៀត។ វិស្វករទិន្នន័យដើរតួនាទីយ៉ាងសំខាន់នៅក្នុងស្ថាប័នមួយ - បង្កើត និងថែរក្សាបំពង់បង្ហូរប្រេង និងមូលដ្ឋានទិន្នន័យ ដែលត្រូវបានប្រើដើម្បីដំណើរការ បំប្លែង និងរក្សាទុកទិន្នន័យ។ តើអ្នកតំណាងនៃវិជ្ជាជីវៈនេះត្រូវការជំនាញអ្វីខ្លះមុនគេ? តើ​បញ្ជី​នេះ​ខុស​ពី​អ្វី​ដែល​តម្រូវ​ដោយ​អ្នក​វិទ្យាសាស្ត្រ​ទិន្នន័យ? អ្នកនឹងរៀនអំពីទាំងអស់នេះពីអត្ថបទរបស់ខ្ញុំ។

ខ្ញុំបានវិភាគដំណឹងជ្រើសរើសបុគ្គលិកសម្រាប់មុខតំណែងជាវិស្វករទិន្នន័យ ដូចដែលពួកគេស្ថិតនៅក្នុងខែមករា ឆ្នាំ 2020 ដើម្បីយល់ពីជំនាញបច្ចេកវិទ្យាណាដែលពេញនិយមបំផុត។ បន្ទាប់មកខ្ញុំបានប្រៀបធៀបលទ្ធផលជាមួយនឹងស្ថិតិស្តីពីការងារទំនេរសម្រាប់មុខតំណែងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ ហើយភាពខុសគ្នាគួរឱ្យចាប់អារម្មណ៍មួយចំនួនបានលេចឡើង។

ដោយគ្មានបុព្វហេតុច្រើន ខាងក្រោមនេះគឺជាបច្ចេកវិទ្យាកំពូលទាំងដប់ដែលត្រូវបានលើកឡើងជាញឹកញាប់បំផុតនៅក្នុងការប្រកាសការងារ៖

ការលើកឡើងអំពីបច្ចេកវិជ្ជានៅក្នុងដំណឹងជ្រើសរើសបុគ្គលិកសម្រាប់មុខតំណែងវិស្វករទិន្នន័យក្នុងឆ្នាំ ២០២០

សូមឱ្យវាត្រឹមត្រូវ។

ទំនួលខុសត្រូវរបស់វិស្វករទិន្នន័យ

សព្វថ្ងៃនេះ ការងារដែលវិស្វករទិន្នន័យធ្វើគឺមានសារៈសំខាន់សម្រាប់អង្គការនានា - ទាំងនេះគឺជាមនុស្សដែលមានទំនួលខុសត្រូវក្នុងការរក្សាទុកព័ត៌មាន និងនាំយកវាទៅក្នុងទម្រង់ដែលបុគ្គលិកផ្សេងទៀតអាចធ្វើការជាមួយវាបាន។ វិស្វករ​ទិន្នន័យ​បង្កើត​បំពង់​បង្ហូរ​ដើម្បី​ស្ទ្រីម ឬ​ទិន្នន័យ​បាច់​ពី​ប្រភព​ច្រើន។ បំពង់បង្ហូរប្រេងបន្ទាប់មកធ្វើប្រតិបត្តិការស្រង់ចេញ បំប្លែង និងដំណើរការផ្ទុក (និយាយម្យ៉ាងទៀត ដំណើរការ ETL) ធ្វើឱ្យទិន្នន័យកាន់តែសមស្របសម្រាប់ការប្រើប្រាស់បន្ថែមទៀត។ បន្ទាប់ពីនេះ ទិន្នន័យត្រូវបានដាក់ជូនអ្នកវិភាគ និងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ ដើម្បីដំណើរការកាន់តែស៊ីជម្រៅ។ ជាចុងក្រោយ ទិន្នន័យបញ្ចប់ដំណើររបស់វានៅក្នុងផ្ទាំងគ្រប់គ្រង របាយការណ៍ និងគំរូសិក្សាម៉ាស៊ីន។

ខ្ញុំកំពុងស្វែងរកព័ត៌មានដែលនឹងអនុញ្ញាតឱ្យខ្ញុំធ្វើការសន្និដ្ឋានអំពីបច្ចេកវិទ្យាណាដែលមានតម្រូវការច្រើនបំផុតក្នុងការងាររបស់វិស្វករទិន្នន័យនៅពេលនេះ។

វិធីសាស្រ្ត។

ខ្ញុំបានប្រមូលព័ត៌មានពីគេហទំព័រស្វែងរកការងារចំនួនបី − សាមញ្ញ, ជា​ការ​ពិត и បិសាច ហើយបានក្រឡេកមើលពាក្យគន្លឹះអ្វីខ្លះដែលភ្ជាប់មកជាមួយ "វិស្វករទិន្នន័យ" នៅក្នុងអត្ថបទនៃដំណឹងជ្រើសរើសបុគ្គលិកដែលសំដៅលើអ្នករស់នៅសហរដ្ឋអាមេរិក។ សម្រាប់កិច្ចការនេះ ខ្ញុំបានប្រើបណ្ណាល័យ Python ចំនួនពីរ − សំណើ и ស៊ុបស្រស់ស្អាត. ក្នុងចំណោមពាក្យគន្លឹះ ខ្ញុំបានបញ្ចូលទាំងពាក្យដែលត្រូវបានបញ្ចូលក្នុងបញ្ជីមុនសម្រាប់ការវិភាគកន្លែងទំនេរសម្រាប់មុខតំណែងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងពាក្យដែលខ្ញុំបានជ្រើសរើសដោយដៃនៅពេលអានការផ្តល់ជូនការងារសម្រាប់វិស្វករទិន្នន័យ។ LinkedIn មិនត្រូវបានបញ្ចូលក្នុងបញ្ជីប្រភពទេ ចាប់តាំងពីខ្ញុំត្រូវបានហាមឃាត់នៅទីនោះ បន្ទាប់ពីការប៉ុនប៉ងចុងក្រោយរបស់ខ្ញុំក្នុងការប្រមូលទិន្នន័យ។

សម្រាប់ពាក្យគន្លឹះនីមួយៗ ខ្ញុំបានគណនាភាគរយនៃការចូលមើលពីចំនួនសរុបនៃអត្ថបទនៅលើគេហទំព័រនីមួយៗដាច់ដោយឡែក ហើយបន្ទាប់មកគណនាជាមធ្យមសម្រាប់ប្រភពទាំងបី។

Результаты

ខាងក្រោម​នេះ​ជា​លក្ខខណ្ឌ​វិស្វកម្ម​ទិន្នន័យ​បច្ចេកទេស​ចំនួន XNUMX ដែល​មាន​ពិន្ទុ​ខ្ពស់​បំផុត​នៅ​ទូទាំង​កន្លែង​ការងារ​ទាំង​បី។

ហើយនេះគឺជាលេខដូចគ្នា ប៉ុន្តែបង្ហាញក្នុងទម្រង់តារាង៖

តោះទៅតាមលំដាប់។

ការពិនិត្យឡើងវិញនៃលទ្ធផល

ទាំង SQL និង Python លេចឡើងក្នុងច្រើនជាង XNUMX/XNUMX នៃការបើកការងារដែលបានពិនិត្យ។ វា​គឺ​ជា​បច្ចេកវិទ្យា​ទាំង​ពីរ​នេះ​ដែល​មាន​អត្ថន័យ​ក្នុង​ការ​សិក្សា​មុន​គេ។ ពស់ថ្លាន់ គឺជាភាសាសរសេរកម្មវិធីដ៏ពេញនិយមមួយ ដែលប្រើសម្រាប់ធ្វើការជាមួយទិន្នន័យ ការបង្កើតគេហទំព័រ និងការសរសេរស្គ្រីប។ SQL មួយ តំណាងឱ្យ Structured Query Language; វាពាក់ព័ន្ធនឹងស្តង់ដារដែលអនុវត្តដោយក្រុមនៃភាសា និងត្រូវបានប្រើដើម្បីទាញយកទិន្នន័យពីមូលដ្ឋានទិន្នន័យទំនាក់ទំនង។ វា​បាន​បង្ហាញ​ខ្លួន​ជា​យូរ​មក​ហើយ​បាន​បង្ហាញ​ថា​ខ្លួន​វា​មាន​ភាព​ធន់​ទ្រាំ​ខ្លាំង​។

Spark ត្រូវ​បាន​លើក​ឡើង​ក្នុង​ប្រហែល​ពាក់​កណ្តាល​នៃ​តំណែង​ទំនេរ។ Apache Spark គឺ​ជា "ម៉ាស៊ីន​វិភាគ​ទិន្នន័យ​ធំ​បង្រួបបង្រួម​ជាមួយ​ម៉ូឌុល​ដែល​មាន​ស្រាប់​សម្រាប់​ការ​ផ្សាយ SQL ការ​រៀន​ម៉ាស៊ីន និង​ដំណើរការ​ក្រាហ្វ។" វាមានប្រជាប្រិយភាពជាពិសេសក្នុងចំណោមអ្នកដែលធ្វើការជាមួយមូលដ្ឋានទិន្នន័យធំ។

AWS លេចឡើងក្នុងប្រហែល 45% នៃការប្រកាសការងារ។ វាគឺជាវេទិកាកុំព្យូទ័រពពកដែលផលិតដោយក្រុមហ៊ុន Amazon; វាមានចំណែកទីផ្សារធំជាងគេក្នុងចំណោមវេទិកាពពកទាំងអស់។
បន្ទាប់មក Java និង Hadoop - ច្រើនជាង 40% សម្រាប់បងប្រុសរបស់ពួកគេ។ កោះជ្វា គឺ​ជា​ភាសា​ដែល​ត្រូវ​បាន​គេ​និយាយ​យ៉ាង​ទូលំ​ទូលាយ​និង​មាន​ការ​សាកល្បង ការស្ទង់មតិអ្នកអភិវឌ្ឍន៍ Stack Overflow ឆ្នាំ 2019 ទទួលបានចំណាត់ថ្នាក់ទីដប់ក្នុងចំណោមភាសាដែលបង្កឱ្យមានភាពភ័យរន្ធត់ក្នុងចំណោមអ្នកសរសេរកម្មវិធី។ ផ្ទុយទៅវិញ Python គឺជាភាសាដែលចូលចិត្តជាងគេទីពីរ។ ភាសា Java ត្រូវបានដំណើរការដោយ Oracle ហើយអ្វីគ្រប់យ៉ាងដែលអ្នកត្រូវដឹងអំពីវាអាចយល់បានពីរូបថតអេក្រង់នៃទំព័រផ្លូវការនេះចាប់ពីខែមករា ឆ្នាំ 2020។

វាដូចជាជិះក្នុងម៉ាស៊ីនពេលវេលា
កម្មវិធី Apache Hadoop ប្រើគំរូកម្មវិធី MapReduce ជាមួយចង្កោមម៉ាស៊ីនមេសម្រាប់ទិន្នន័យធំ។ ឥឡូវនេះ ម៉ូដែលនេះកំពុងត្រូវបានបោះបង់ចោលកាន់តែខ្លាំងឡើង។

បន្ទាប់មកយើងឃើញ Hive, Scala, Kafka និង NoSQL - បច្ចេកវិទ្យាទាំងនេះនីមួយៗត្រូវបានលើកឡើងនៅក្នុងមួយភាគបួននៃតំណែងទំនេរដែលបានដាក់ស្នើ។ Apache Hive គឺជាកម្មវិធីឃ្លាំងទិន្នន័យដែល "ធ្វើឱ្យមានភាពងាយស្រួលក្នុងការអាន សរសេរ និងគ្រប់គ្រងសំណុំទិន្នន័យធំៗដែលរស់នៅក្នុងហាងចែកចាយដោយប្រើ SQL"។ Scala - ភាសាសរសេរកម្មវិធីដែលប្រើយ៉ាងសកម្មនៅពេលធ្វើការជាមួយទិន្នន័យធំ។ ជាពិសេស Spark ត្រូវបានបង្កើតឡើងនៅក្នុង Scala ។ នៅក្នុងចំណាត់ថ្នាក់ដែលបានរៀបរាប់រួចហើយនៃភាសាដែលគួរឱ្យភ័យខ្លាច Scala ជាប់ចំណាត់ថ្នាក់ទី XNUMX ។ Apache Kafka - វេទិកាចែកចាយសម្រាប់ដំណើរការសារផ្សាយ។ ពេញ​និយម​ខ្លាំង​ជា​មធ្យោបាយ​នៃ​ការ​ផ្សាយ​ទិន្នន័យ។

មូលដ្ឋានទិន្នន័យ NoSQL ភាពផ្ទុយគ្នាជាមួយ SQL ។ ពួកវាខុសគ្នាត្រង់ថា ពួកវាមិនទាក់ទងគ្នា គ្មានរចនាសម្ព័ន្ធ និងអាចធ្វើមាត្រដ្ឋានផ្ដេកបាន។ NoSQL ទទួលបានប្រជាប្រិយភាពខ្លះៗ ប៉ុន្តែការចាប់អារម្មណ៍ចំពោះវិធីសាស្រ្ត សូម្បីតែដល់ចំណុចនៃការព្យាករណ៍ថាវានឹងជំនួស SQL ដែលជាគំរូនៃការផ្ទុកដ៏លេចធ្លោនោះ ហាក់ដូចជាចប់ហើយ។

ការប្រៀបធៀបជាមួយលក្ខខណ្ឌនៅក្នុងដំណឹងជ្រើសរើសអ្នកវិទ្យាសាស្ត្រទិន្នន័យ

នេះគឺជាពាក្យបច្ចេកវិទ្យាសាមសិបដែលជារឿងធម្មតាបំផុតក្នុងចំណោមនិយោជកវិទ្យាសាស្ត្រទិន្នន័យ។ ខ្ញុំទទួលបានបញ្ជីនេះតាមរបៀបដូចដែលបានពិពណ៌នាខាងលើសម្រាប់វិស្វកម្មទិន្នន័យ។

ការលើកឡើងអំពីបច្ចេកវិទ្យាក្នុងតំណែងទំនេរសម្រាប់មុខតំណែងអ្នកវិទ្យាសាស្ត្រទិន្នន័យក្នុងឆ្នាំ ២០២០

ប្រសិនបើយើងនិយាយអំពីចំនួនសរុប បើប្រៀបធៀបទៅនឹងការជ្រើសរើសដែលបានពិចារណាពីមុន វាមាន 28% កន្លែងទំនេរច្រើនជាង (12 ធៀបនឹង 013) ។ តោះមើលថាបច្ចេកវិទ្យាណាខ្លះដែលមិនសូវមាននៅក្នុងកន្លែងទំនេរសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ ជាងវិស្វករទិន្នន័យ។

កាន់តែពេញនិយមនៅក្នុងវិស្វកម្មទិន្នន័យ

ក្រាហ្វខាងក្រោមបង្ហាញពាក្យគន្លឹះដែលមានភាពខុសគ្នាជាមធ្យមធំជាង 10% ឬតិចជាង -10%។

ភាពខុសគ្នាដ៏ធំបំផុតនៅក្នុងប្រេកង់ពាក្យគន្លឹះរវាងវិស្វករទិន្នន័យ និងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ

AWS បង្ហាញពីការកើនឡើងគួរឱ្យកត់សម្គាល់បំផុត: នៅក្នុងវិស្វកម្មទិន្នន័យវាលេចឡើងជាទៀងទាត់ 25% ជាងនៅក្នុងវិទ្យាសាស្ត្រទិន្នន័យ (ប្រហែល 45% និង 20% នៃចំនួនទំនេរសរុបរៀងគ្នា) ។ ភាពខុសគ្នាគួរឱ្យកត់សម្គាល់!

នេះគឺជាទិន្នន័យដូចគ្នានៅក្នុងបទបង្ហាញខុសគ្នាបន្តិចបន្តួច - នៅក្នុងក្រាហ្វ លទ្ធផលសម្រាប់ពាក្យគន្លឹះដូចគ្នានៅក្នុងដំណឹងជ្រើសរើសបុគ្គលិកសម្រាប់មុខតំណែងវិស្វករទិន្នន័យ និងអ្នកវិទ្យាសាស្ត្រទិន្នន័យមានទីតាំងនៅម្ខាងៗ។

ភាពខុសគ្នាដ៏ធំបំផុតនៅក្នុងប្រេកង់ពាក្យគន្លឹះរវាងវិស្វករទិន្នន័យ និងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ

ការលោតដ៏ធំបំផុតបន្ទាប់ដែលខ្ញុំបានកត់សម្គាល់គឺនៅក្នុង Spark - វិស្វករទិន្នន័យជាញឹកញាប់ត្រូវធ្វើការជាមួយទិន្នន័យធំ។ កាកាកា។ ក៏កើនឡើង 20% ពោលគឺជិតបួនដងធៀបនឹងលទ្ធផលសម្រាប់តំណែងអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ ការផ្ទេរទិន្នន័យគឺជាទំនួលខុសត្រូវដ៏សំខាន់មួយរបស់វិស្វករទិន្នន័យ។ ទីបំផុតចំនួននៃការលើកឡើងគឺខ្ពស់ជាង 15% នៅក្នុងវិស័យវិស្វកម្មទិន្នន័យសម្រាប់ Java, NoSQL, Redshift, SQL និង Hadoop ។

មិនសូវមានប្រជាប្រិយភាពក្នុងវិស្វកម្មទិន្នន័យ

ឥឡូវនេះសូមមើលបច្ចេកវិទ្យាណាដែលមិនសូវពេញនិយមនៅក្នុងដំណឹងជ្រើសរើសបុគ្គលិកផ្នែកវិស្វករទិន្នន័យ។
ការ​ធ្លាក់​ចុះ​ខ្លាំង​បំផុត​បើ​ធៀប​នឹង​វិស័យ​វិទ្យាសាស្ត្រ​ទិន្នន័យ​បាន​កើត​ឡើង​នៅ​ក្នុង R: នៅទីនោះគាត់បានបង្ហាញខ្លួនប្រហែល 56% នៃកន្លែងទំនេរនៅទីនេះ - មានតែ 17% ប៉ុណ្ណោះ។ គួរឱ្យចាប់អារម្មណ៍។ R គឺជាភាសាសរសេរកម្មវិធីដែលត្រូវបានពេញចិត្តដោយអ្នកវិទ្យាសាស្ត្រ និងអ្នកស្ថិតិ ហើយជាភាសាដែលគួរឱ្យខ្លាចបំផុតទីប្រាំបីនៅក្នុងពិភពលោក។

SAS ត្រូវបានគេរកឃើញផងដែរនៅក្នុងកន្លែងទំនេរសម្រាប់មុខតំណែងវិស្វករទិន្នន័យដែលមិនសូវជាញឹកញាប់ - ភាពខុសគ្នាគឺ 14% ។ SAS គឺជាភាសាដែលមានកម្មសិទ្ធិដែលត្រូវបានរចនាឡើងសម្រាប់ធ្វើការជាមួយស្ថិតិ និងទិន្នន័យ។ ចំណុចគួរឱ្យចាប់អារម្មណ៍: វិនិច្ឆ័យដោយលទ្ធផល ការស្រាវជ្រាវរបស់ខ្ញុំក្នុងការបើកការងារសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យថ្មីៗនេះវាបានបាត់បង់ដីយ៉ាងច្រើន — ច្រើនជាងបច្ចេកវិទ្យាដទៃទៀត។

នៅក្នុងតម្រូវការទាំងវិស្វកម្មទិន្នន័យ និងវិទ្យាសាស្ត្រទិន្នន័យ

គួរកត់សំគាល់ថាមុខតំណែងចំនួនប្រាំបីក្នុងចំណោមដប់ដំបូងនៅក្នុងឈុតទាំងពីរគឺដូចគ្នា។ SQL, Python, Spark, AWS, Java, Hadoop, Hive និង Scala បានធ្វើឱ្យវាក្លាយជាកំពូលទាំងដប់សម្រាប់ទាំងវិស្វកម្មទិន្នន័យ និងឧស្សាហកម្មវិទ្យាសាស្ត្រទិន្នន័យ។ នៅក្នុងក្រាហ្វខាងក្រោម អ្នកអាចមើលឃើញបច្ចេកវិទ្យាពេញនិយមបំផុតចំនួនដប់ប្រាំក្នុងចំណោមនិយោជកវិស្វករទិន្នន័យ ហើយនៅជាប់នឹងពួកគេគឺជាអត្រាទំនេររបស់ពួកគេសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ។

អនុសាសន៍

ប្រសិនបើអ្នកចង់ចូលទៅក្នុងវិស្វកម្មទិន្នន័យ ខ្ញុំនឹងណែនាំអ្នកឱ្យធ្វើជាម្ចាស់លើបច្ចេកវិទ្យាខាងក្រោម - ខ្ញុំរាយបញ្ជីពួកវាតាមលំដាប់អាទិភាពប្រហាក់ប្រហែល។

រៀន SQL ។ ខ្ញុំងាកទៅរក PostgreSQL ព្រោះវាជាប្រភពបើកចំហ ពេញនិយមយ៉ាងខ្លាំងនៅក្នុងសហគមន៍ ហើយស្ថិតក្នុងដំណាក់កាលរីកចម្រើន។ អ្នកអាចរៀនពីរបៀបប្រើភាសាពីសៀវភៅ My Memorable SQL - កំណែសាកល្បងរបស់វាមាន នៅទីនេះ.

Master Python ទោះបីជាមិននៅកម្រិត hardcore បំផុតក៏ដោយ។ My Memorable Python ត្រូវបានរចនាឡើងជាពិសេសសម្រាប់អ្នកចាប់ផ្តើមដំបូង។ វាអាចត្រូវបានទិញនៅ Amazonច្បាប់ចម្លងអេឡិចត្រូនិក ឬរូបវន្ត ជម្រើសរបស់អ្នក ឬទាញយកជាទម្រង់ pdf ឬ epub នៅលើគេហទំព័រនេះ.

នៅពេលដែលអ្នកស្គាល់ Python សូមបន្តទៅផេនដា ដែលជាបណ្ណាល័យ Python ដែលត្រូវបានប្រើសម្រាប់ការសម្អាត និងដំណើរការទិន្នន័យ។ ប្រសិនបើអ្នកមានបំណងធ្វើការនៅក្នុងក្រុមហ៊ុនដែលទាមទារសមត្ថភាពក្នុងការសរសេរនៅក្នុង Python (ហើយនេះគឺជាភាគច្រើននៃពួកគេ) អ្នកអាចប្រាកដថាចំណេះដឹងអំពីខ្លាឃ្មុំផេនដានឹងត្រូវបានសន្មត់តាមលំនាំដើម។ ឥឡូវនេះខ្ញុំកំពុងបញ្ចប់ការណែនាំណែនាំសម្រាប់ធ្វើការជាមួយខ្លាឃ្មុំផេនដា - អ្នកអាចធ្វើបាន ជាវដើម្បីកុំឱ្យខកខានពេលនៃការចេញផ្សាយ។

មេ AWS ។ ប្រសិនបើអ្នកចង់ក្លាយជាវិស្វករទិន្នន័យ អ្នកមិនអាចធ្វើបានដោយគ្មានវេទិកាពពកនៅក្នុងឃ្លាំងនោះទេ ហើយ AWS គឺពេញនិយមបំផុតក្នុងចំណោមពួកគេ។ វគ្គសិក្សាបានជួយខ្ញុំយ៉ាងច្រើន Linux Academyនៅពេលខ្ញុំកំពុងសិក្សា វិស្វកម្មទិន្នន័យនៅលើ Google Cloudខ្ញុំគិតថាពួកគេនឹងមានសម្ភារៈល្អនៅលើ AWS ផងដែរ។

ប្រសិនបើអ្នកបានបញ្ចប់បញ្ជីទាំងមូលនេះហើយ ហើយចង់រីកចម្រើនបន្ថែមទៀតនៅក្នុងក្រសែភ្នែករបស់និយោជកជាវិស្វករទិន្នន័យ ខ្ញុំស្នើឱ្យបន្ថែមកម្មវិធី Apache Spark សម្រាប់ធ្វើការជាមួយទិន្នន័យធំ។ ទោះបីជាការស្រាវជ្រាវរបស់ខ្ញុំលើដំណឹងជ្រើសរើសបុគ្គលិកផ្នែកទិន្នន័យបានបង្ហាញពីការធ្លាក់ចុះនៃចំណាប់អារម្មណ៍ក៏ដោយ ក្នុងចំណោមវិស្វករទិន្នន័យ វានៅតែលេចឡើងស្ទើរតែគ្រប់កន្លែងទំនេរទីពីរ។

នៅចុងក្រោយ

ខ្ញុំសង្ឃឹមថាអ្នកបានរកឃើញទិដ្ឋភាពទូទៅនៃបច្ចេកវិទ្យាដែលមានតម្រូវការបំផុតសម្រាប់វិស្វករទិន្នន័យមានប្រយោជន៍។ បើ​អ្នក​ឆ្ងល់​ថា​តើ​ការងារ​អ្នក​វិភាគ​ដើរ​លឿន​យ៉ាង​ណា សូម​អាន អត្ថបទផ្សេងទៀតរបស់ខ្ញុំ. រីករាយវិស្វកម្ម!

ប្រភព: www.habr.com