【中培课堂】大数据应用不可缺的10种开发语言

大数据时代，伴随而来的是基础设施的巨大飞跃，数据储存技术、网络技术的迅猛发展。越来越多的人开始成为大数据玩家，工欲善其事必先利其器。中培教育《大数据分析及可视化技术应用实战》培训专家谢老师表示，大数据的应用离开不10种开发语言：

语言——

若要列出所有程序语言，你能忘记其他的没关系，但最不能忘的就是R。从1997年悄悄地出现，最大的优势就是它免费，为昂贵的统计软件像是MatlabSAS的另一种选择。

但是在过去几年来，它的身价大翻转，变成了资料科学界眼中的宝。不只是木讷的统计学家熟知它，包括WallStreet交易员、生物学家，以及硅谷开发者，他们都相当熟悉。多元化的公司像是GoogleFacebook、美国银行以及NewYorkTimes通通都使用，它的商业效用持续提高。

R的好处在于它简单易上手，透过，你可以从复杂的数据集中筛选你要的数据，从复杂的模型函数中操作数据，建立井然有序的图表来呈现数字，这些都只需要几行程序代码就可以了，打个比方，它就像是好动版本的Excel

R最棒的资产就是活跃的动态系统，社群持续地增加新的软件包，还有以内建丰富的功能集为特点。目前估计已有超过200万人使用，最近的调查显示，在数据科学界里，到目前为止最受欢迎的语言，占了回复者的61%（紧追在后的是39%Python）。

它也吸引了WallStreet的注目。传统而言，证券分析师在Excel档从白天看到晚上，但现在在财务建模的使用率逐渐增加，特别是可视化工具

在数据建模上，它正在往逐渐成熟的专业语言迈进，虽然R仍受限于当公司需要制造大规模的产品时，而有的人说他被其他语言篡夺地位了。

Python——

如果说R是神经质又令人喜爱的Geek，那Python就是随和又好相处的女生。

Python结合了的快速、处理复杂数据采矿的能力以及更务实的语言等各个特质，迅速地成为主流，Python比起，学起来更加简单也更直观，而且它的生态系统近几年来不可思议地快速成长，在统计分析上比起功能更强。

在数据处理范畴内，通常在规模与复杂之间要有个取舍，而Python以折衷的姿态出现。IPythonNotebook（记事本软件）和NumPy被用来暂时存取较低负担的工作量，然而Python对于中等规模的数据处理是相当好的工具；Python拥有丰富的资料族，提供大量的工具包和统计特征。

然而，虽然它的优点能够弥补R的缺点，它仍然不是最高效能的语言，偶尔才能处理庞大规模、核心的基础建设。

Julia——

今日大多数的数据科学都是透过RPythonJavaMatlabSAS为主，但仍然存在着鸿沟要去弥补，而这个时候，新进者Julia看到了这个痛点。

Julia仍太过于神秘而尚未被业界广泛的采用，但是当谈到它的潜力足以抢夺Python的宝座时，数据黑客也难以解释。原因在于Julia是个高阶、不可思议的快速和善于表达的语言，比起要快的许多，比起Python又有潜力处理更具规模的数据，也很容易上手。

就现在而言，若要说Julia发展会倒退的原因，大概就是它太年轻了。Julia的数据小区还在初始阶段，在它要能够和Python竞争前，它还需要更多的工具包和软件包。

Driscoll说，它就是因为它年轻，才会有可能变成主流又有前景。

 Java——

Driscoll说，Java和以Java为基础的架构，是由硅谷里最大的几家科技公司的核心所建立的，如果你从TwitterLinkedin或是Facebook里观察，你会发现Java对于所有数据工程基础架构而言，是非常基础的语言。

Java没有和Python一样好的可视化功能，它也不是统计建模的最佳工具，但是如果你需要建立一个庞大的系统、使用过去的原型，那Java通常会是你最基的选择。

hadoop and Hive——

为了迎合大量数据处理的需求，以Java为基础的工具群兴起。Hadoop为处理一批批数据处理，发展以Java为基础的架构关键；相较于其他处理工具，Hadoop慢许多，但是无比的准确和可被后端数据库分析广泛使用。和Hive搭配的很好，Hive是基于查询的架构下，运作的相当好。

Scala——

又是另一个以Java为基础的语言，和Java很像，对任何想要进行大规模的机械学习或是建立高阶的算法，Scala会是逐渐兴起的工具。它是善于呈现且拥有建立可靠系统的能力。

Kafka andStorm——

说到当你需要快速的、实时的分析时，你会想到什么?Kafka将会是你的最佳伙伴。其实它已经出现五年有了，只是因为最近串流处理兴起才变的越来越流行。

Kafka是从Linkedin内诞生的，是一个特别快速的查询讯息系统。Kafka的缺点呢就是它太快了，因此在实时操作时它会犯错，有时候会漏掉东西。

鱼与熊掌不可兼得，「必须要在准确度跟速度之间做一个选择」，Driscoll说。所以全部在硅谷的科技大公司都利用两个管道：用KafkaStorm处理实时数据，接下来打开Hadoop处理一批批处理数据系统，这样听起来有点麻烦又会有些慢，但好处是，它非常非常精准。

Storm是另一个从Scala写出来的架构，在硅谷逐渐大幅增加它在串流处理的受欢迎程度，被Twitter并购，这并不意外，因为Twitter对快速事件处理有极大的兴趣。

Matlab——

Matlab可以说是历久不衰，即使它标价很高；在非常特定的利基市场它使用的相当广泛，包括密集的研究机器学习、信号处理、图像辨识等等。

Octave——

OctaveMatlab很像，除了它是免费的之外。然而，在学术信号处理的圈子，几乎都会提到它。

GO——

GO是另一个逐渐兴起的新进者，从Google开发出来的，放宽点说，它是从语言来的，并且在建立强大的基础架构上，渐渐地成为JavaPython的竞争者。