@青牛 您说的视图选择是？

@青牛 那BI工程师跟数据分析师一样吗？

那BI工程师跟数据分析师一样吗？

@青牛 我是说找工作的软件，除了前程无忧，拉钩，还有啥呢？

建议使用hbase+solr 做hbase二级缓存，存储放在hbase里，查询索引建在solr里，能实现海量数据高并发快速查询。

@青牛 那如果大数据平台开发的人，他不写ETL这种跑报表数据的，他还能干啥呢？ 写代码？如果集群框架啥的都搭建起来了，我想不出除了ETL跑数据之外，大数据开发的还能写什么代码。

@青牛 为啥我百度看到的是Receiver与Direct的方式？

@青牛 恩恩 理解了，原来我理解的是reduce总数，不是并行度，我还想问个问题就是每个map任务到reduce任务，执行时间大概是多久呢？比如一个传统的Wordcount，并行度中之一的map到reduce端执行的时间。

@青牛 还是说我理解的只是patition的总数，也就是reduce的总数，而你说的20就够了，是指reduce task的并行度？

@青牛 那我对reduce数的理解就shuffle的时候数据进行patient分区，决定reduce数，意味着有多少个key种类就有多少个reduce数，这么理解，对吗？

@青牛 可是上上条你说的reduce数，均匀的话20个就够了，对此我有个疑问就是这个reduce数不是shuffle的数据数据进行patient分区，决定reduce数吗？意味着有多少key种类就有多少个分区吧？ 那2T左右的数据，设置20个就够了怎么理解呢？

@歌唱祖国 那效率和sqoop hive等数据仓库清洗手段来讲，哪个快呢？是不是数据量小用kettle，数据量大就跑程序？

@青牛 跑MapReduce的时候不是有可以设置job数量的地方的吗？

分区数和消费线程数设置为一样？@青牛

@青牛 建了个索引，那就不是映射hbase列咯？

建了个索引，那就不是映射hbase列咯？

@青牛 这个所有的列不是映射到es里面了吗？然后es里面不就可以查询到了吗？可以这么理解吗？嘿嘿诶

@青牛 我想借问一下这个mr里面的task任务数一般为多少呢？