招聘PB程序员/PB开发工程师

hjqmail 2008-09-27 04:21:48

招聘要求：

0、有实际工作经验一年以上的（请在您的简历上注明您的具体实践项目）。
1、计算机或相关专业，大专以上学历
2、一年以上PB开发工作经验，熟练掌握以下其中一种（MS SQL SERVER/SYBASE ASE/ORACLE）数据库的设计与开发
3、具有交流和讲解的才能
4、责任心强，富有团队合作精神
5、有POS行业进销存开发经验者优先

薪水根据其能力确定;
工作地点: 深圳市福田区(需到现场面试)

有意者请将简历E_mail 至: hjqcn@126.com

...全文

375 7 打赏收藏转发到动态举报

写回复

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

lonjia8818 2008-12-05

打赏
举报

回复

我想来试试!本人一直从事前台POS系统开发三年以上开发经验不知招到人了没有！！！qq:79048657

leef_zh 2008-12-05

打赏
举报

回复

技术分那么点,可能分几千,哪来的哦!

xinrenaa 2008-11-20

打赏
举报

回复

up

mz_jenny 2008-11-19

打赏
举报

回复

up

greatxingxing 2008-11-19

打赏
举报

回复

re 1楼的

pb_killer 2008-09-27

打赏
举报

回复

本来想去深圳的，唉！

sybasebbs 2008-09-27

打赏
举报

回复

可用分挺多，就是不分点。

⼤数据⼯程师学习计划申明：本⽂旨在为普通程序员（Java程序员最佳）提供⼀个⼊门级别的⼤数据技术学习路径，不适⽤于⼤数据⼯程师的进阶学习，也不适⽤于零编程基础的同学。前⾔⼀、背景介绍本⼈⽬前是⼀名⼤数据⼯程师，项⽬数据50T，⽇均数据增长20G左右，个⼈是从Java后端开发，经过3个⽉的业余⾃学成功转型⼤数据⼯程师。⼆、⼤数据介绍⼤数据本质也是数据，但是⼜有了新的特征，包括数据来源⼴、数据格式多样化（结构化数据、⾮结构化数据、Excel⽂件、⽂本⽂件等）、数据量⼤（最少也是TB级别的、甚⾄可能是PB级别）、数据增长速度快等。如果你对⼤数据开发感兴趣，想系统学习⼤数据的话，可以加⼊⼤数据技术学习交流扣群：数字4583+数字45782，私信管理员即可免费领取开发⼯具以及⼊门学习资料针对以上主要的4个特征我们需要考虑以下问题：数据来源⼴，该如何采集汇总？对应出现了Sqoop，Cammel，Datax等⼯具。数据采集之后，该如何存储？对应出现了GFS，HDFS，TFS等分布式⽂件存储系统。由于数据增长速度快，数据存储就必须可以⽔平扩展。数据存储之后，该如何通过运算快速转化成⼀致的格式，该如何快速运算出⾃⼰想要的结果？对应的MapReduce这样的分布式运算框架解决了这个问题；但是写MapReduce需要Java代码量很⼤，所以出现了Hive，Pig等将SQL转化成MapReduce的解析引擎；普通的MapReduce处理数据只能⼀批⼀批地处理，时间延迟太长，为了实现每输⼊⼀条数据就能得到结果，于是出现了Storm/JStorm这样的低时延的流式计算框架；但是如果同时需要批处理和流处理，按照如上就得搭两个集群，Hadoop集群（包括HDFS+MapReduce+Yarn）和Storm集群，不易于管理，所以出现了Spark这样的⼀站式的计算框架，既可以进⾏批处理，⼜可以进⾏流处理（实质上是微批处理）。⽽后Lambda架构，Kappa架构的出现，⼜提供了⼀种业务处理的通⽤架构。为了提⾼⼯作效率，加快运速度，出现了⼀些辅助⼯具： Ozzie，azkaban：定时任务调度的⼯具。 Hue，Zepplin：图形化任务执⾏管理，结果查看⼯具。 Scala语⾔：编写Spark程序的最佳语⾔，当然也可以选择⽤Python。 Python语⾔：编写⼀些脚本时会⽤到。 Allluxio，Kylin等：通过对存储的数据进⾏预处理，加快运算速度的⼯具。以上⼤致就把整个⼤数据⽣态⾥⾯⽤到的⼯具所解决的问题列举了⼀遍，知道了他们为什么⽽出现或者说出现是为了解决什么问题，进⾏学习的时候就有的放⽮了。正⽂⼀、⼤数据相关⼯作介绍⼤数据⽅向的⼯作⽬前主要分为三个主要⽅向：⼤数据⼯程师数据分析师⼤数据科学家其他（数据挖掘等）⼆、⼤数据⼯程师的技能要求附上⼤数据⼯程师技能图：必须掌握的技能11条 Java⾼级(虚拟机、并发) Linux 基本操作 Hadoop（HDFS+MapReduce+Yarn ） HBase（JavaAPI操作+Phoenix ） Hive(Hql基本操作和原理理解） Kafka Storm/JStorm Scala Python Spark (Core+sparksql+Spark streaming ）辅助⼩⼯具(Sqoop/Flume/Oozie/Hue等) ⾼阶技能6条机器学习算法以及mahout库加MLlib R语⾔ Lambda 架构 Kappa架构 Kylin Alluxio 三、学习路径假设每天可以抽出3个⼩时的有效学习时间，加上周末每天保证10个⼩时的有效学习时间； 3个⽉会有（213+4210）3=423⼩时的学习时间。第⼀阶段（基础阶段） 1）Linux学习（跟鸟哥学就ok了）-----20⼩时 Linux操作系统介绍与安装。 Linux常⽤命令。 Linux常⽤软件安装。 Linux⽹络。防⽕墙。 Shell编程等。 2）Java ⾼级学习（《深⼊理解Java虚拟机》、《Java⾼并发实战》）---30⼩时掌握多线程。掌握并发包下的队列。了解JMS。掌握JVM技术。掌握反射和动态代理。 3）Zookeeper学习 Zookeeper分布式协调服务介绍。 Zookeeper集群的安装部署。 Zookeeper数据结构、命令。 Zookeeper的原理以及选举机制。第⼆阶段（攻坚阶段） 4）Hadoop （《Hadoop 权威指南》）---80⼩时 HDFS HDFS的概念和特性。 HDFS的shell操作。 HDFS的⼯作机制。 HDFS的Java应⽤开发。 MapReduce 运⾏WordCount⽰例程序。了解MapReduce内部

Hadoop 项目主页：http://hadoop.apache.org 　　一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。起源：Google的集群系统　　Google的数据中心使用廉价的Linux PC机组成集群，在上面运行各种应用。即使是分布式开发的新手也可以迅速使用Google的基础设施。核心组件是3个：　　1、GFS（Google File System）。一个分布式文件系统，隐藏下层负载均衡，冗余复制等细节，对上层程序提供一个统一的文件系统API接口。Google根据自己的需求对它进行了特别优化，包括：超大文件的访问，读操作比例远超过写操作，PC机极易发生故障造成节点失效等。GFS把文件分成64MB的块，分布在集群的机器上，使用Linux的文件系统存放。同时每块文件至少有3份以上的冗余。中心是一个Master节点，根据文件索引，找寻文件块。详见Google的工程师发布的GFS论文。　　2、MapReduce。Google发现大多数分布式运算可以抽象为MapReduce操作。Map是把输入Input分解成中间的Key/Value对，Reduce把Key/Value合成最终输出Output。这两个函数由程序员提供给系统，下层设施把Map和Reduce操作分布在集群上运行，并把结果存储在GFS上。　　3、BigTable。一个大型的分布式数据库，这个数据库不是关系式的数据库。像它的名字一样，就是一个巨大的表格，用来存储结构化的数据。　　以上三个设施Google均有论文发表。开源实现　　Hadoop是项目的总称，起源于作者儿子的一只吃饱了的大象的名字。主要是由HDFS、MapReduce和Hbase组成。　　HDFS是Google File System（GFS）的开源实现。　　MapReduce是Google MapReduce的开源实现。　　HBase是Google BigTable的开源实现。　　这个分布式框架很有创造性，而且有极大的扩展性，使得Google在系统吞吐量上有很大的竞争力。因此Apache基金会用Java实现了一个开源版本，支持Fedora、Ubuntu等Linux平台。目前Hadoop受到Yahoo的支持，有Yahoo员工长期工作在项目上，而且Yahoo内部也准备使用Hadoop代替原来的的分布式系统。　　Hadoop实现了HDFS文件系统和MapRecue。用户只要继承MapReduceBase，提供分别实现Map和Reduce的两个类，并注册Job即可自动分布式运行。　　目前Release版本是0.20.1。还不成熟，但是已经集群规模已经可以达到4000个节点，是由Yahoo!实验室中构建的。下面是此集群的相关数据: 　　• 4000 节点　　• 2 x quad core Xeons@2.5ghz per 节点　　• 4 x 1TB SATA Disk per 节点　　• 8G RAM per 节点　　• 千兆带宽 per 节点　　• 每机架有40个节点　　• 每个机架有4千兆以太网上行链路　　• Redhat Linux AS4 （ Nahant update 5 ）　　• Sun Java JDK1.6.0_05 - b13 　　• 所以整个集群有30000多个CPU，近16PB的磁盘空间！　　HDFS把节点分成两类：NameNode和DataNode。NameNode是唯一的，程序与之通信，然后从DataNode上存取文件。这些操作是透明的，与普通的文件系统API没有区别。　　MapReduce则是JobTracker节点为主，分配工作以及负责和用户程序通信。　　HDFS和MapReduce实现是完全分离的，并不是没有HDFS就不能MapReduce运算。　　Hadoop也跟其他云计算项目有共同点和目标：实现海量数据的计算。而进行海量计算需要一个稳定的，安全的数据容器，才有了Hadoop分布式文件系统（HDFS，Hadoop Distributed File System）。　　HDFS通信部分使用org.apache.hadoop.ipc，可以很快使用RPC.Server.start()构造一个节点，具体业务功能还需自己实现。针对HDFS的业务则为数据流的读写，NameNode/DataNode的通信等。　　MapReduce主要在org.apache.hadoop.mapred，实现提供的接口类，并完成节点通信（可以不是hadoop通信接口），就能进行MapReduce运算。　　目前这个项目还

Elastic Stack日志系统是目前企业应用广泛的一套日志解决方案。包含的组件有Filebeat,Logstash,Elastic,Kibana等本堂课引入Kafka 让Elastic Stack 能适应企业PB级的业务日志量并弥补传统ELk架构的不足 ★学完这门课程会获得什么？首先从零开始教你部署Elastic Stack系统, 详细讲解Elastic产品,包括 Kibana.Logstash,Beats的详细讲解以及Elastic的api操作，并如何监控如何绘图等。最后结合自己的运维过程中的案例讲解，让学员能更加清楚了解原理以及少走一些弯路。目前我们公司每天产生至少8个T的数据量，历史日志保存半年。此教程足以能承担PB级的日志收集系统的量。此教程的背景介绍请参阅我的CSDN博客，置顶内容的第一篇博文。

算法工程师和程序员区别多大？一样吗？程序员从事IT行业人员的统称，而算法工程师是程序员的一个类别，主要设计算法的工程师，能力较多数程序员更为突出。目前算法工程师的待遇整体稍高，岗位要求相对更高。很多人更倾向于选择算法岗位，算法岗的饱和程度比研发岗要求严重建议慎重选择。

程序员的成长之路互联网/程序员/技术/资料共享关注阅读本文大概需要 12分钟。来自：程序员的幽默1、折磨对程序员的一般折磨：离奇的需求；对程序员的超级折磨：改三次需求。2、开发时间项目经理：给你三个人，多久可以完成？程序员：3个月！项目经理：那五个人呢？程序员：1个半月！项目经理：那100个呢？程序员：1年吧！项目经理：那1000个呢？程序员：无法完成！3、书法某猿退休后决定练习书法，于是重金...

397

社区成员

11,521

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章