私有资源;
横向扩展;
Shared Nothing架构。

2. 属于MPP架构的数据库

1. Druid
2. Doris
3. ClickHouse
4. Greenplum
   主要进行OLAP多维分析

3. Kudu和Hbase
   都属于列式存储的数据库，架构上，Hbase使用HDFS存储，Kudu使用自己的方式进行存储，性能更好。
   Kudu和Hbase区别
4. ClickHose
   clickHouse介绍
5. Kudu和Hbase和ClickHouse区别
   三者区别
6. Doris
   Doris介绍

实时数仓：
1.数据存储：
数据存储采用什么存储介质，主要取决于数据在哪些应用场景，主要方案有：
Kafka、HDFS、Kudu、 Clickhouse、Hbase
2. 数据计算
计算层主要使用 Flink、Spark、Presto 以及 ClickHouse 自带的计算能力等四种计算引擎，Flink 计算引擎主要用于实时数据同步、 流式 ETL、关键系统秒级实时指标计算场景，Spark SQL 主要用于复杂多维分析的准实时指标计算需求场景，Presto 和 ClickHouse 主要满足多维自助分析、对查询响应时间要求不太高的场景。

3.app层
面向实时数据场景需求构建的高度汇总层，可以根据不同的数据应用场景决定使用存储介质或者引擎；例如面向业务历史明细、BI 支持等 Olap 分析场景，可以使用 Druid、Greenplum，面向实时监控大屏、高并发汇总指标等需求，可以使用 KV 模式的 HBase；数据量较小的时候， 也可以使用 Mysql 来进行存储。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

vip204888 （备注大数据获取）**
[外链图片转存中…(img-25jJpVve-1712851450563)]