java雲開發
㈠ 學習java的前景怎麼樣2018年好找工作嗎
java可以說是程序編程裡面一個比較難學的項目了，但是俗話說物以稀為貴，java程序員的薪資也是行業內數一數二的。
Java稱霸的領域：大型的企業、國企、銀行等。作為最常用的雲計算底層開發語言，Java的安全性、開放性、穩定性和跨平台性與雲計算高可靠、高拓展的優勢相得益彰。而且Java是一門非常好的鋪墊語言，以後再學習其他人工智慧、數據分析時會覺得更加的得心應手。
望採納！
㈡ JAVA有什麼優點
Java技術有下列優點：簡單、面向對象、分布式、解釋執行、魯棒、安全、體系結構中立、可移植、高性能、多線程以及動態性。
1. 簡單
Java語言是一種面向對象的語言，它通過提供最基本的方法來完成指定的任務，只需理解一些基本的概念，就可以用它編寫出適合於各種情況的應用程序。Java略去了運算符重載、多重繼承等模糊的概念，並且通過實現自動垃圾收集大大簡化了程序設計者的內存管理工作。另外，Java也適合於在小型機上運行，它的基本解釋器及類的支持只有40KB左右，加上標准類庫和線程的支持也只有215KB左右。
2. 面向對象
Java語言的設計集中於對象及其介面，它提供了簡單的類機制以及動態的介面模型。對象中封裝了它的狀態變數以及相應的方法，實現了模塊化和信息隱藏;而類則提供了一類對象的原型，並且通過繼承機制，子類可以使用父類所提供的方法，實現了代碼的復用。
3. 分布性
Java是面向網路的語言。通過它提供的類庫可以處理TCP/IP協議，用戶可以通過URL地址在網路上很方便地訪問其他對象。
4. 魯棒性
Java在編譯和運行程序時，都要對可能出現的問題進行檢查，以消除錯誤的產生。它提供自動垃圾收集來進行內存管理，防止程序員在管理內存時容易產生的錯誤。在編譯時，通過集成的面向對象的異常處理機制，Java提示出可能出現但未被處理的異常，幫助程序員正確地進行選擇以防止系統的崩潰。另外，Java在編譯時還可捕獲類型聲明中的許多常見錯誤，防止動態運行時不匹配問題的出現。
5. 安全性
用於網路、分布環境下的Java必須防止病毒的入侵。Java不支持指針，一切對內存的訪問都必須通過對象的實例變數來實現，這樣就防止了程序員使用「特洛伊」木馬等欺騙手段訪問對象的私有成員，同時也避免了指針操作中容易產生的錯誤。
6. 體系結構中立
Java解釋器生成與體系結構無關的位元組碼指令，只要安裝了Java運行時系統，Java程序就可在任意處理器上運行。這些位元組碼指令對應於Java虛擬機中的表示，Java解釋器得到位元組碼後，對它進行轉換，使之能夠在不同的平台運行。
7. 可移植性
與平台無關的特性使Java程序可以方便地移植到網路上的不同機器。同時，Java的類庫中也實現了與不同平台的介面，使這些類庫可以移植。另外，Java編譯器是由Java語言實現的，Java運行時系統由標准C語言實現，這使得Java系統本身也具有可移植性。
8. 解釋執行
Java解釋器直接對Java位元組碼進行解釋執行。位元組碼本身攜帶了許多編譯時信息，使得連接過程更加簡單。
9. 高性能
和其他解釋執行的語言如BASC、TCL不同，Java位元組碼的設計使之能很容易地直接轉換成對應於特定CPU的機器碼，從而得到較高的性能。
10. 多線程
多線程機制使應用程序能夠並行執行，而且同步機制保證了對共享數據的正確操作。通過使用多線程，程序設計者可以分別用不同的線程完成特定的行為，而不需要採用全局的事件循環機制，這樣就很容易實現網路上的實時交互行為。
11. 動態性
Java的設計使它適合於一個不斷發展的環境。在類庫中可以自由地加入新的方法和實例變數而不會影響用戶程序的執行。並且Java通過介面來支持多重繼承，使之比嚴格的類繼承具有更靈活的方式和擴展性。
㈢ 雲開發軟體工程師需要學些什麼
需要身體健康，具有良好的羅思維能力和耐心，並且對代碼有用一定的喜愛，雲開發軟體工程師將學習動態網頁開發技術，資料庫開發以及管理技術等。
㈣ java開發中什麼樣的項目會用到Hadoop
java項目一般是不會用到hadoop的，除非涉及到處理大數據方面的業務。hadoop是用java實現的。主要原因如下：
1. java比較適合做大型復雜系統
2. Doug Cutting本身從事java方面的研究，主要是lucence，開源檢索架構說來也是這樣的。
3. java開源，活躍程度最高，這樣搞出來放在apache上有利於交流、改進
Hadoop是一個由Apache基金會所開發的分布式系統基礎架構。
用戶可以在不了解分布式底層細節的情況下，開發分布式程序。充分利用集群的威力進行高速運算和存儲。
Hadoop實現了一個分布式文件系統（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬體上；而且它提供高吞吐量（high throughput）來訪問應用程序的數據，適合那些有著超大數據集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）文件系統中的數據。
Hadoop的框架最核心的設計就是：HDFS和MapRece。HDFS為海量的數據提供了存儲，則MapRece為海量的數據提供了計算。
㈤ java在當今社會重不重要
當然重要了，比如安卓雲開發等，都是用的JAVA，最近2年，JAVA在中國，還是蠻吃香的
㈥ 現在學Java開發有前途嗎
Java作為一門面向對象的編程語言被廣泛應用於各行各業，在職友集上的日招聘量高達100648條，即使在IT行業中這個招聘量也是比較高的，所以說目前學Java還是比較有前途的。但是為什麼很多人都說現在找Java的工作不好找或跳槽比較難跳了呢，主要有以下幾個原因。
第一，現在很多人學習Java，但是學的並不是工作需要的技術，都是根據自己從網上找的資料隨便學或者找到哪些學哪些，但其實網上很多資料都比較過時，學了工作時也可能用不到，這就導致在找工作的時候容易被淘汰。
第二，Java技術更新換代比較快，每天市場上都有新的技術產生，這也使得一些名企的招聘需求也在跟著變化，而很多本身是Java開發工程師的人可能因為工作比較穩定，所以一直沒有學習新技術，這種情況下想要跳槽是比較困難的。
第三，由於Java開發類崗位薪資高、待遇好，這幾年大批人湧入了Java開發行業，這使得Java開發的招聘需求更高了，一些報了培訓班但是學不太好的人就因為很難達到企業的要求從而找不到工作，所以報班學習也要挑好培訓機構，並且學習期間也要更努力。
綜上現在學Java還不晚，Java還是比較有前途的，但是Java的門檻提高了一些，而且技術更新的比較快，需要你學的時候選擇好學習內容。
㈦ 現在學習Java是不是有一些晚了，感覺Java人才飽和了
Java作為編程中歷史最悠久的語言，一直廣受大家歡迎，但依然有人會覺得，Java會不會已經飽和了？現在學習Java還有前途嗎？針對這些問題，我就給大家解讀一下。
Java擁有巨大潛力
Java不久前慶祝了24歲誕辰，這也證明了它在行業中擁有巨大的潛力。誰會希望用一種幾年後就被淘汰的語言編寫應用程序？所以，學IT到底什麼專業有前途？毫無疑問，選擇Java軟體開發專業是一個不錯的選擇！
Java無處不在
據估計，全球范圍內有超過30億部設備運行Java，超過其他任何一種語言。使用Java編寫的程序幾乎可用於任何設備，包括智能手機、伺服器、自動取款機、銷售點終端機(POS)、藍光播放器、電視、機頂盒、物聯網網關、醫療設備、Kindle電子閱讀器、汽車等。Java廣泛應用於現實世界中的各種用途。
你可能想知道Java有哪些應用領域。Java尤其適用於在幾乎任何行業中開發企業應用等，包括金融服務、醫療保健和製造業。Java更是是物聯網和雲開發的理想選擇。
就業前景好
Java廣泛應用在企業和互聯網應用中，國內需求量最大佔40%，應用面及其廣泛；在世界范圍內擁有最大的開發社區；長期保持最流行開發語言第一位。
穩定的就業環境
Java行業就業面非常廣泛，並且就業崗位沒有隨著越來越多的細分語言的加入被壓縮，反而逐年在穩步增加，並且掌握Java也是進階到架構師，技術高管的必經途徑。
所以，如果大家選擇學習Java，完全不用擔心未來的前途，Java不僅無處不在，更擁有巨大的潛力、穩定的就業環境和良好的就業前景，是轉行學習的首選。
㈧ 如何使用spark將程序提交任務到yarn-Spark-about雲開發
使用腳本提交
1.使用spark腳本提交到yarn，首先需要將spark所在的主機和hadoop集群之間hosts相互配置（也就是把spark主機的ip和主機名配置到hadoop所有節點的/etc/hosts裡面，再把集群所有節點的ip和主機名配置到spark所在主機的/etc/hosts裡面）。
2.然後需要把hadoop目錄etc/hadoop下面的*-sit.xml復制到${SPARK_HOME}的conf下面.
3.確保hadoop集群配置了 HADOOP_CONF_DIR or YARN_CONF_DIR
1.yarn-standalone方式提交到yarn
在${SPARK_HOME}下面執行：
SPARK_JAR=./assembly/target/scala-2.10.4/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar \
./bin/spark-class org.apache.spark.deploy.yarn.Client \
--jar ./examples/target/scala-2.10/spark-examples_2.10-assembly-0.9.0-incubating.jar \
--class org.apache.spark.examples.SparkPi \
--args yarn-standalone \
--num-workers 3 \
--master-memory 2g \
--worker-memory 2g \
--worker-cores 1
復制代碼
2. yarn-client 方式提交到yarn
在${SPARK_HOME}下面執行：
SPARK_JAR=./assembly/target/scala-2.10.4/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar \
SPARK_YARN_APP_JAR=examples/target/scala-2.10/spark-examples_2.10-assembly-0.9.0-incubating.jar \
./bin/run-example org.apache.spark.examples.SparkPi yarn-client
復制代碼
二、使用程序提交
1.必須使用linux主機提交任務，使用windows提交到linux hadoop集群會報
org.apache.hadoop.util.Shell$ExitCodeException: /bin/bash: 第 0 行: fg: 無任務控制
復制代碼
錯誤。hadoop2.2.0不支持windows提交到linux hadoop集群，網上搜索發現這是hadoop的bug。
2.提交任務的主機和hadoop集群主機名需要在hosts相互配置。
3.因為使用程序提交是使用yarn-client方式，所以必須像上面腳本那樣設置環境變數SPARK_JAR 和 SPARK_YARN_APP_JAR
比如我的設置為向提交任務主機~/.bashrc裡面添加：
export SPARK_JAR=file:///home/ndyc/software/sparkTest/lib/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar
export SPARK_YARN_APP_JAR=file:///home/ndyc/software/sparkTest/ndspark-0.0.1.jar
復制代碼
file:// 表明是本地文件，如果使用hdfs上的文件將file://替換為hdfs://主機名:埠號。建議使用hdfs來引用 spark-assembly-0.9.0-incubating-hadoop2.2.0.jar，因為這個文件比較大，如果使用file://每次提交任務都需要上傳這個jar到各個集群，很慢。
其中SPARK_JAR是${SPARK_HOME}/assembly/target/scala-2.10.4/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar
SPARK_YARN_APP_JAR是自己程序打的jar包，包含自己的測試程序。
4.程序中加入hadoop、yarn、依賴。
注意，如果引入了hbase依賴，需要這樣配置
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-thrift</artifactId>
<version>${hbase.version}</version>
<exclusions>
<exclusion>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-maprece-client-jobclient</artifactId>
</exclusion>
<exclusion>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
</exclusion>
</exclusions>
</dependency>
復制代碼
然後再加入
<dependency>
<groupId>org.ow2.asm</groupId>
<artifactId>asm-all</artifactId>
<version>4.0</version>
</dependency>
復制代碼
否則會報錯：
IncompatibleClassChangeError has interface org.objectweb.asm.ClassVisitor as super class
復制代碼
異常是因為Hbase jar hadoop-maprece-client-jobclient.jar裡面使用到了asm3.1 而spark需要的是asm-all-4.0.jar
5. hadoop conf下的*-site.xml需要復制到提交主機的classpath下，或者說maven項目resources下面。
6.編寫程序
代碼示例：
package com.sdyc.ndspark.sys;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;
import java.util.ArrayList;
import java.util.List;
/**
* Created with IntelliJ IDEA.
* User: zarchary
* Date: 14-1-19
* Time: 下午6:23
* To change this template use File | Settings | File Templates.
*/
public class ListTest {
public static void main(String[] args) throws Exception {
SparkConf sparkConf = new SparkConf();
sparkConf.setAppName("listTest");
//使用yarn模式提交
sparkConf.setMaster("yarn-client");
JavaSparkContext sc = new JavaSparkContext(sparkConf);
List<String> listA = new ArrayList<String>();
listA.add("a");
listA.add("a");
listA.add("b");
listA.add("b");
listA.add("b");
listA.add("c");
listA.add("d");
JavaRDD<String> letterA = sc.parallelize(listA);
JavaPairRDD<String, Integer> letterB = letterA.map(new PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String s) throws Exception {
return new Tuple2<String, Integer>(s, 1);
}
});
letterB = letterB.receByKey(new Function2<Integer, Integer, Integer>() {
public Integer call(Integer i1, Integer i2) {
return i1 + i2;
}
});
//顛倒順序
JavaPairRDD<Integer, String> letterC = letterB.map(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
@Override
public Tuple2<Integer, String> call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
return new Tuple2<Integer, String>(stringIntegerTuple2._2, stringIntegerTuple2._1);
}
});
JavaPairRDD<Integer, List<String>> letterD = letterC.groupByKey();
// //false說明是降序
JavaPairRDD<Integer, List<String>> letterE = letterD.sortByKey(false);
System.out.println("========" + letterE.collect());
System.exit(0);
}
}
復制代碼
代碼中master設置為yar-client表明了是使用提交到yarn.
關於spark需要依賴的jar的配置可以參考我的博客spark安裝和遠程調用。
以上弄完之後就可以運行程序了。
運行後會看到yarn的ui界面出現：
正在執行的過程中會發現hadoop yarn 有的nodemanage會有下面這個進程：
13247 org.apache.spark.deploy.yarn.WorkerLauncher
復制代碼
這是spark的工作進程。
如果接收到異常為：
WARN YarnClientClusterScheler: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient memory
復制代碼
出現這個錯誤是因為提交任務的節點不能和spark工作節點交互，因為提交完任務後提交任務節點上會起一個進程，展示任務進度，大多埠為4044，工作節點需要反饋進度給該該埠，所以如果主機名或者IP在hosts中配置不正確，就會報
WARN YarnClientClusterScheler: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient memory錯誤。
所以請檢查主機名和IP是否配置正確。
我自己的理解為，程序提交任務到yarn後，會上傳SPARK_JAR和SPARK_YARN_APP_JAR到hadoop節點， yarn根據任務情況來分配資源，在nodemanage節點上來啟動org.apache.spark.deploy.yarn.WorkerLauncher工作節點來執行spark任務，執行完成後退出。
㈨ java有什麼優勢呀
1、Java是一門面向對象編程語言，不僅吸收了C++語言的各種優點，還摒棄了C++里難以理解的多繼承、指針等概念，因此Java語言整體而言功能強大且簡單易用。
2、Java具有簡單性、面向對象、分布式、健壯性、安全性、平台獨立與可移植性、多線程、動態性等特點 。Java可以編寫桌面應用程序、Web應用程序、分布式系統和嵌入式系統應用程序等 。
3、薪資可觀
據最新報告中顯示，Java程序員是業內薪資最高的程序員之一。擁有Java技能有利於提高薪資。根據全球就業相關內容搜索引擎Indeed.com對職業排名的報告顯示，2016年2月美國Java開發人員招聘職位的平均薪資為102,000美元。同時，據職業規劃公司Gooroo在2015年薪資和需求報告中指出，Java仍然是美國、英國和澳大利亞最受歡迎和薪資最高的編程語言之一。
4、JAVA人才緊缺
隨著各類智能終端設備不斷普及，用戶對設備的智能化、便捷化提出更高的要求，從而，消費需求的升級促使各大廠商對Java編程技能提升也隨之有了更高的需求。
㈩ 報個java培訓班多少錢
java培訓班不同的機構，不同的課程價格不等，Java培訓學習價格一般在10000元左右。如需學習java推薦選擇【達內教育】。
【達內教育】的優勢如下：
1、原理級深度講解：內容涉及基礎知識、架構設計、編程思想，從代碼到知識點，從架構到思想，提升學員對編程理解，幫助學員成為會思考、能設計、強架構、重實現實戰型技術人才。
2、企業級項目實戰：課程由真實企業級項目貫穿，以項目驅動學習，不僅學習技術，更要掌握應用，真實應用帶動學員的學習熱情，幫助學員更好的提高實戰應用能力，達到企業級用人標准。
3、真實雲開發環境：針對互聯網架構、大數據課程的分布式開發背景，為學員提供真實的雲主機開發環境，每個學員都會分配若乾颱雲伺服器，真正的雲環境下開發、測試、部署，還原企業開發部署真實場景。感興趣的話點擊此處，免費學習一下
想了解更多有關java培訓費用的相關信息，推薦咨詢【達內教育】。該機構是引領行業的職業教育公司，致力於面向IT互聯網行業培養人才，達內大型T專場招聘會每年定期舉行，為學員搭建快捷高效的雙選綠色通道，在提升學員的面試能力、積累面試經驗同時也幫助不同技術方向的達內學員快速就業。達內IT培訓機構,試聽名額限時搶購。