見：http://lxw1234.com/archives/2017/01/832.htm
至此，你的大數據平臺底層架構已經成型了，其中包括了數據采集、數據存儲與計算（離線和實時）、數據同步、任務調度與監控這幾大模塊。接下來是時候考慮如何更好的對外提供數據了。
第九章：我的數據要對外
通常對外（業務）提供數據訪問，大體上包含以下方面：
- 離線：比如，每天將前一天的數據提供到指定的數據源（DB、FILE、FTP）等；
離線數據的提供可以采用Sqoop、DataX等離線數據交換工具。
- 實時：比如，在線網站的推薦系統，需要實時從數據平臺中獲取給用戶的推薦數據，這種要求延時非常低（50毫秒以內）。
根據延時要求和實時數據的查詢需要，可能的方案有：HBase、Redis、MongoDB、ElasticSearch等。
- OLAP分析：OLAP除了要求底層的數據模型比較規范，另外，對查詢的響應速度要求也越來越高，可能的方案有：Impala、Presto、SparkSQL、Kylin。如果你的數據模型比較規模，那么Kylin是最好的選擇。
- 即席查詢：即席查詢的數據比較隨意，一般很難建立通用的數據模型，因此可能的方案有：Impala、Presto、SparkSQL。
這么多比較成熟的框架和方案，需要結合自己的業務需求及數據平臺技術架構，選擇合適的。原則只有一個：越簡單越穩定的，就是最好的。
如果你已經掌握了如何很好的對外（業務）提供數據，那么你的“大數據平臺”應該是這樣的：
第十章：牛逼高大上的機器學習
關于這塊，我這個門外漢也只能是簡單介紹一下了。數學專業畢業的我非常慚愧，很后悔當時沒有好好學數學。
在我們的業務中，遇到的能用機器學習解決的問題大概這么三類：
- 分類問題：包括二分類和多分類，二分類就是解決了預測的問題，就像預測一封郵件是否垃圾郵件；多分類解決的是文本的分類；
- 聚類問題：從用戶搜索過的關鍵詞，對用戶進行大概的歸類。
- 推薦問題：根據用戶的歷史瀏覽和點擊行為進行相關推薦。
大多數行業，使用機器學習解決的，也就是這幾類問題。
入門學習線路：
- 數學基礎；
- 機器學習實戰（Machine Learning in Action），懂Python最好；
- SparkMlLib提供了一些封裝好的算法，以及特征處理、特征選擇的方法。
機器學習確實牛逼高大上，也是我學習的目標。
那么，可以把機器學習部分也加進你的“大數據平臺”了。
?
寫給大數據開發初學者的話1
寫給大數據開發初學者的話2
第三章：把別處的數據搞到Hadoop上
第四章：把Hadoop上的數據搞到別處去
寫給大數據開發初學者的話3
第五章：快一點吧，我的SQL
第六章：一夫多妻制
寫給大數據開發初學者的話4
第七章：越來越多的分析任務
第八章：我的數據要實時
寫給大數據開發初學者的話5
第九章：我的數據要對外
第十章：牛逼高大上的機器學習
)
