大数据开发工程师需要具备哪些技能？

1、数仓开发工程师

2、算法挖掘工程师

3、大数据平台开发工程师（应用）

4、大数据前端开发工程师

一、不同工程师的职责和技能要求

在不同层，对于工程师的职责、技能要求都会存在差异；

1、数仓开发工程师；

根据企业的要求搭建数仓体系（DW），是企业所有级别决策的制定过程，基于分析性报告和决策支持目的，为需要业务智能的企业，提供指导业务流程赶紧、监视时间、成本、质量以及控制，为战略策略做数据支持。

主要负责核心业务模块数据仓库的构建，对数据模型进行设计，ETL实施、ETL性能优化、ETL数据监控以及一系列技术问题的解决；构建用户主题、各业务线主题、推荐主题、BI门户系统，并对全产品线数据字典维护，提升数据资产质量；

需要熟悉的技能：

• 需要深入理解常用的数据建模理论，独立把控数据仓库的各层级设计；
• 熟练掌握Hive/SQL、Spark/Map-Reduce/MPI分布式计算框架；
• 熟悉大数据的离线和实时处理，可以进行海量数据模型的设计、开发；

2、算法挖掘工程师

在大厂重创新、研究，在小厂重赋能、产品，有本质上的区别，也分很多种类型，包括搜索算法、导航算法、NLP、视觉算法、图像识别、自动驾驶、安全算法、通信算法等，需要掌握的技能差异性也很大，整体来看，有以下共性。

需要熟悉的技能：

• 数据分析：通过编程语言进行科学分析，python、sql、spark，分布式计算框架Hadoop/Spark/Storm/?map-reduce/MPI；
• 文献阅读：能够关注市面上的主流比赛算法应用，能够对学术、工业论坛、论文有非常多的积累；
• 创新思维：场景迁移/举一反三能力，例如看到广告推荐中的根因定位，应该能马上切换到安全中的异常溯源；
• 算法原理：机器学习、深度学习、强化学习、算法导论等；
• 数学功底：扎实的数学功底，能够完成公式推导，并进行调优；

3、大数据平台开发工程师；

大数据平台开发有两个方面，平台自研、应用开发，需要熟悉Web后端开发语言、大数据开源组件，至少精通掌握一种开发语言golang、php、java；?对开发框架的原理&源码都有一定的了解（如laravel）；

需要熟悉的技能：

• 平台自研，属于研发级开发，基于Hadoop组件开发HBase、Hive、Avro、Zookeeper等，完成元数据系统、数据质量、数据采集、数据计算平台、任务调度平台等系统性建设；
• 应用开发，在大数据平台Hadoop及Spark进行具体的应用开发，搭建数据报表平台、自助数据分析平台、数据地图、标签库等；

4、大数据前端开发工程师

给用户看到的都叫做前端，比如APP界面、Web?界面，与交互设计师、?视觉设计师协作，根据设计图，依据相关编程语言进行界面内容实现，把界面更好地呈现给用户；

前端从业人员主要分布于我国中东、南部地区，其中北京的前端开发工程师最多，其次是深圳、上海、成都、杭州、广州、武汉、南京、长沙和西安；

需要熟悉的技能：

• 熟悉W3C技术标准，精通HTML、Javascript、Ajax、DOM、HTML5、CSS3等前端开发技术；
• 熟练掌握Vue、jequry、webpack等前端框架和相关技术并了解其实现原理，熟悉nginx、nodejs等webserver技术；
• 熟悉前端性能分析和调优，并保证兼容性和执行效率，可编写复用的用户界面组件；
• 掌握前端开发的安全风险和对策，良好的分析和解决问题的能力

二、大数据技术架构图

可以参考一下大数据的技术架构：

在企业里面，如果按照数据流向来看，有一个主链路：

系统对接：大数据平台开发工程师负责，对接各个业务系统，提供数据接入的能力；

采集存储：数仓开发工程师，通过工具定期进行数据接入，并进行维度建模，抽象出DW层，建立指标；

数据挖掘：算法挖掘工程师，结合数仓的底层模型表，dws表构建数据特征，挖掘数据的业务价值；

数据呈现：大数据前端开发工程师，根据数据接口信息，在前端进行数据的可视化图表呈现，系统集成；

三、大数据相关的技术内容

由于数据中台的出现，组织架构和分工可能会有一定到差异，根据所需要做的内容和事情，所需要掌握的技能树是类似的，按照日常使用情况，可以归纳为以下几种：

关于python、sql、spark、hadoop和消息

综合对大数据开发过程的技术要求，比较主流的几个工具和技术：

python：主要解决数据处理、分析、挖掘的内容；

SQL：主要是在数仓存储、模型存储、指标接口开发过程中需要非常熟练；

Spark：在算法挖掘、大批量数据计算、机器学习应用方面的应用；

Hadoop神态：对数据存储、大数据平台开发都有非常强的要求，依赖HDFS、HIVE等特性；

消息：数据接口开发，对于数据应用，和上层应用系统之间的互通有比较高的要求；

关于实时计算相关的技术栈

flink：在实时计算，处理批、流数据，实现秒级计算并赋能给业务系统的核心技术；

四、小结

对于大数据，随着技术的不断迭代，数字化的发展，对数据职能的区分度会越来越细分，持续保持对前沿知识的关注，通过和周边的大佬进行学习，结合场景进行深度应用，在数字化的道路上才能走的更长远。

---