想从事大数据方向职场小白看过来, 数据方面的一些英文解释

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 想从事大数据方向职场小白看过来, 数据方面的一些英文解释

想从事数据方向职场小白看过来,一些英文名词解释


英文类解释

NoSQL:

(Not Only SQL)不仅仅是 SQL。是一种广义的数据库管理系统范畴,与传统的关系型数据库管理系统(RDBMS)相对。NoSQL数据库的设计目标是解决关系型数据库在大规模数据集和高并发环境下的一些限制和挑战。 NoSQL数据库主要指文档、列、图和键值。没有表。

ESB:

ESB代表企业服务总线(Enterprise Service Bus)。ESB是一种集成软件架构,旨在简化企业内部系统和应用程序之间的通信和数据交换。它作为一种中间件,有助于解决不同应用程序和服务之间的互操作性问题,使它们能够更加轻松地集成和协同工作。

ACID :


ACID是数据库管理系统(DBMS)中事务处理的一组基本属性的首字母缩写原子性(Atomicity),一致性(Consistency),隔离性(Isolation)和 持久性(Durability)。这四个属性一起确保了数据库的可靠性和一致性。ACID属性对于需要高度可靠性和一致性的应用程序非常重要,例如金融系统或在线交易系统。然而,有时为了提高性能,一些系统可能会牺牲ACID属性,选择使用更灵活的一致性模型,例如BASE(Basically Available, Soft state, Eventually consistent)。ACID用在关系型数据库,即应用系统中为主,BASE应用在大数据为主。另外BASE的数据结构在运行中调整,ACID的表结构必须存在。

Data Vault:


(数据仓库Vault模型)是一种数据建模方法。 一个以细节为导向,以时间为基础、唯一链接的范式化表格集,支持一个或多个功能领域。旨在提供一种灵活、可扩展、可维护的方法,用于构建和管理数据仓库。Data Vault模型是由Dan Linstedt于2000年提出的,它强调在构建数据仓库时应该注重可变性、可扩展性和可维护性。

MDM:


代表主数据管理(Master Data Management)。MDM是一种方法论和技术,旨在确保企业内核心数据(通常称为主数据)的准确性、一致性、完整性和可靠性。主数据是组织中关键业务实体的核心信息,如客户、产品、员工等。需要对主数据的值和标识符进行控制,以便能够跨系统一致地使用核心业务实体的最准确并且最及时的数据。

OLAP:

一种快速提供多维分析查询的方法:在线分析处理(OLAP)是一种为多维分析查询提供快速性能的方法。

SCD:


渐变维度(slow Changing dimension)是数仓设计中经常会碰到的一个问题。为了解决这个问题,可以有多种方法。

Type 1 -基于原来的列,增加一个新列、状态、和状态时间

Type 2- 基于原来的列,增加一个新列,把有关变化的历史记录下来

Type 3- 直接修改原表中的值

SBA:


基于服务的体系结构(Service-Based Architecture,SBA)是一种软件架构范式,它基于独立的服务单元(Services),这些服务通过明确定义的接口进行通信。这种体系结构的设计旨在提高系统的灵活性、可维护性和可扩展性。并含有三个组件包括服务层,批处理层,加速层.

MPP


“MPP database” 指的是"Massively Parallel Processing Database",即大规模并行处理数据库。这种数据库系统被设计用于通过在多个处理单元上并行执行查询和操作,以处理大量数据和提供高性能。MPP 数据库系统通常在大规模数据仓库和分析环境中使用,以满足对大数据量进行高效处理和查询的需求。

SDLC

是软件开发生命周期(Software Development Life Cycle)的缩写,指的是在软件开发过程中,从项目计划、设计、编码、测试到维护的整个流程。SDLC 旨在确保软件开发过程中的组织性、可控性和高质量。

UDF


用户定义函数(User-Defined Function): 在编程和数据库领域,UDF 通常指用户定义的函数。这是一种允许开发人员定义自己的函数,以实现特定功能或处理特定任务的方法。在数据库中,UDF 可以用于扩展查询语言,使用户能够定义自己的函数来处理数据


API


代表应用程序编程接口(Application Programming Interface)。API 是一组定义了软件组件之间如何互相操作的规则和工具。它提供了一种标准的方式,使得不同的软件系统能够相互通信、交换数据和执行操作。

Web API: Web API 是一种通过网络进行通信的 API。它通常基于 HTTP 协议,允许不同的软件系统通过网络进行交互。常见的 Web API 包括 RESTful API 和 SOAP API,用于实现 Web 服务。

PPI

Personal Privacy Information(个人隐私信息): PPI 可用于表示个人隐私信息,这包括诸如姓名、地址、电话号码、社会安全号码等个人身份信息。

SDLC


系统开发生命周期(System Development Life Cycle,SDLC)是指在进行信息系统或软件开发时,按照一系列阶段和过程来规划、设计、实施、测试和维护系统的方法论。SDLC的目标是确保高质量的软件产品,并在整个开发过程中保持项目的可控性和可预测性。不同的SDLC模型存在,其中一些常见的包括瀑布模型、迭代模型、螺旋模型和敏捷模型等。


以下是通常包含在SDLC中的主要阶段:


计划(Planning): 在这个阶段,确定项目的范围、目标、时间表、资源需求和风险。制定项目计划和预算。

需求分析(Requirements Analysis): 收集并分析用户的需求,定义系统的功能和性能要求。创建详细的需求文档。

设计(Design): 根据需求文档,设计系统的架构、模块、界面和数据库等。制定软件设计规范。

实施(Implementation): 开发和编码系统的各个组件,根据设计文档创建实际的软件。

测试(Testing): 对开发的软件进行测试,包括单元测试、集成测试和系统测试,确保软件满足需求并且稳定可靠。

部署(Deployment): 将软件部署到生产环境中,使其可以被最终用户或客户使用。

维护(Maintenance): 软件正式上线后,需要进行维护和支持,修复漏洞、增加新功能,以确保系统持续运行并适应变化。

在实际应用中,各种SDLC模型的选择取决于项目的性质、规模和要求。例如,敏捷开发模型更适用于需要快速响应变化和灵活性的项目,而瀑布模型则更适用于对需求较为稳定的大型项目。

总结

希望大家喜欢 , 谢谢大家,我一直在一边面试,一边学习,一边考证,一边写作,充实自己。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
348 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
53 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
90 1
|
2月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
56 3
|
29天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
69 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
71 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
115 2