java云开发
㈠ 学习java的前景怎么样2018年好找工作吗
java可以说是程序编程里面一个比较难学的项目了，但是俗话说物以稀为贵，java程序员的薪资也是行业内数一数二的。
Java称霸的领域：大型的企业、国企、银行等。作为最常用的云计算底层开发语言，Java的安全性、开放性、稳定性和跨平台性与云计算高可靠、高拓展的优势相得益彰。而且Java是一门非常好的铺垫语言，以后再学习其他人工智能、数据分析时会觉得更加的得心应手。
望采纳！
㈡ JAVA有什么优点
Java技术有下列优点：简单、面向对象、分布式、解释执行、鲁棒、安全、体系结构中立、可移植、高性能、多线程以及动态性。
1. 简单
Java语言是一种面向对象的语言，它通过提供最基本的方法来完成指定的任务，只需理解一些基本的概念，就可以用它编写出适合于各种情况的应用程序。Java略去了运算符重载、多重继承等模糊的概念，并且通过实现自动垃圾收集大大简化了程序设计者的内存管理工作。另外，Java也适合于在小型机上运行，它的基本解释器及类的支持只有40KB左右，加上标准类库和线程的支持也只有215KB左右。
2. 面向对象
Java语言的设计集中于对象及其接口，它提供了简单的类机制以及动态的接口模型。对象中封装了它的状态变量以及相应的方法，实现了模块化和信息隐藏;而类则提供了一类对象的原型，并且通过继承机制，子类可以使用父类所提供的方法，实现了代码的复用。
3. 分布性
Java是面向网络的语言。通过它提供的类库可以处理TCP/IP协议，用户可以通过URL地址在网络上很方便地访问其他对象。
4. 鲁棒性
Java在编译和运行程序时，都要对可能出现的问题进行检查，以消除错误的产生。它提供自动垃圾收集来进行内存管理，防止程序员在管理内存时容易产生的错误。在编译时，通过集成的面向对象的异常处理机制，Java提示出可能出现但未被处理的异常，帮助程序员正确地进行选择以防止系统的崩溃。另外，Java在编译时还可捕获类型声明中的许多常见错误，防止动态运行时不匹配问题的出现。
5. 安全性
用于网络、分布环境下的Java必须防止病毒的入侵。Java不支持指针，一切对内存的访问都必须通过对象的实例变量来实现，这样就防止了程序员使用“特洛伊”木马等欺骗手段访问对象的私有成员，同时也避免了指针操作中容易产生的错误。
6. 体系结构中立
Java解释器生成与体系结构无关的字节码指令，只要安装了Java运行时系统，Java程序就可在任意处理器上运行。这些字节码指令对应于Java虚拟机中的表示，Java解释器得到字节码后，对它进行转换，使之能够在不同的平台运行。
7. 可移植性
与平台无关的特性使Java程序可以方便地移植到网络上的不同机器。同时，Java的类库中也实现了与不同平台的接口，使这些类库可以移植。另外，Java编译器是由Java语言实现的，Java运行时系统由标准C语言实现，这使得Java系统本身也具有可移植性。
8. 解释执行
Java解释器直接对Java字节码进行解释执行。字节码本身携带了许多编译时信息，使得连接过程更加简单。
9. 高性能
和其他解释执行的语言如BASC、TCL不同，Java字节码的设计使之能很容易地直接转换成对应于特定CPU的机器码，从而得到较高的性能。
10. 多线程
多线程机制使应用程序能够并行执行，而且同步机制保证了对共享数据的正确操作。通过使用多线程，程序设计者可以分别用不同的线程完成特定的行为，而不需要采用全局的事件循环机制，这样就很容易实现网络上的实时交互行为。
11. 动态性
Java的设计使它适合于一个不断发展的环境。在类库中可以自由地加入新的方法和实例变量而不会影响用户程序的执行。并且Java通过接口来支持多重继承，使之比严格的类继承具有更灵活的方式和扩展性。
㈢ 云开发软件工程师需要学些什么
需要身体健康，具有良好的罗思维能力和耐心，并且对代码有用一定的喜爱，云开发软件工程师将学习动态网页开发技术，数据库开发以及管理技术等。
㈣ java开发中什么样的项目会用到Hadoop
java项目一般是不会用到hadoop的，除非涉及到处理大数据方面的业务。hadoop是用java实现的。主要原因如下：
1. java比较适合做大型复杂系统
2. Doug Cutting本身从事java方面的研究，主要是lucence，开源检索架构说来也是这样的。
3. java开源，活跃程度最高，这样搞出来放在apache上有利于交流、改进
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。
Hadoop的框架最核心的设计就是：HDFS和MapRece。HDFS为海量的数据提供了存储，则MapRece为海量的数据提供了计算。
㈤ java在当今社会重不重要
当然重要了，比如安卓云开发等，都是用的JAVA，最近2年，JAVA在中国，还是蛮吃香的
㈥ 现在学Java开发有前途吗
Java作为一门面向对象的编程语言被广泛应用于各行各业，在职友集上的日招聘量高达100648条，即使在IT行业中这个招聘量也是比较高的，所以说目前学Java还是比较有前途的。但是为什么很多人都说现在找Java的工作不好找或跳槽比较难跳了呢，主要有以下几个原因。
第一，现在很多人学习Java，但是学的并不是工作需要的技术，都是根据自己从网上找的资料随便学或者找到哪些学哪些，但其实网上很多资料都比较过时，学了工作时也可能用不到，这就导致在找工作的时候容易被淘汰。
第二，Java技术更新换代比较快，每天市场上都有新的技术产生，这也使得一些名企的招聘需求也在跟着变化，而很多本身是Java开发工程师的人可能因为工作比较稳定，所以一直没有学习新技术，这种情况下想要跳槽是比较困难的。
第三，由于Java开发类岗位薪资高、待遇好，这几年大批人涌入了Java开发行业，这使得Java开发的招聘需求更高了，一些报了培训班但是学不太好的人就因为很难达到企业的要求从而找不到工作，所以报班学习也要挑好培训机构，并且学习期间也要更努力。
综上现在学Java还不晚，Java还是比较有前途的，但是Java的门槛提高了一些，而且技术更新的比较快，需要你学的时候选择好学习内容。
㈦ 现在学习Java是不是有一些晚了，感觉Java人才饱和了
Java作为编程中历史最悠久的语言，一直广受大家欢迎，但依然有人会觉得，Java会不会已经饱和了？现在学习Java还有前途吗？针对这些问题，我就给大家解读一下。
Java拥有巨大潜力
Java不久前庆祝了24岁诞辰，这也证明了它在行业中拥有巨大的潜力。谁会希望用一种几年后就被淘汰的语言编写应用程序？所以，学IT到底什么专业有前途？毫无疑问，选择Java软件开发专业是一个不错的选择！
Java无处不在
据估计，全球范围内有超过30亿部设备运行Java，超过其他任何一种语言。使用Java编写的程序几乎可用于任何设备，包括智能手机、服务器、自动取款机、销售点终端机(POS)、蓝光播放器、电视、机顶盒、物联网网关、医疗设备、Kindle电子阅读器、汽车等。Java广泛应用于现实世界中的各种用途。
你可能想知道Java有哪些应用领域。Java尤其适用于在几乎任何行业中开发企业应用等，包括金融服务、医疗保健和制造业。Java更是是物联网和云开发的理想选择。
就业前景好
Java广泛应用在企业和互联网应用中，国内需求量最大占40%，应用面及其广泛；在世界范围内拥有最大的开发社区；长期保持最流行开发语言第一位。
稳定的就业环境
Java行业就业面非常广泛，并且就业岗位没有随着越来越多的细分语言的加入被压缩，反而逐年在稳步增加，并且掌握Java也是进阶到架构师，技术高管的必经途径。
所以，如果大家选择学习Java，完全不用担心未来的前途，Java不仅无处不在，更拥有巨大的潜力、稳定的就业环境和良好的就业前景，是转行学习的首选。
㈧ 如何使用spark将程序提交任务到yarn-Spark-about云开发
使用脚本提交
1.使用spark脚本提交到yarn，首先需要将spark所在的主机和hadoop集群之间hosts相互配置（也就是把spark主机的ip和主机名配置到hadoop所有节点的/etc/hosts里面，再把集群所有节点的ip和主机名配置到spark所在主机的/etc/hosts里面）。
2.然后需要把hadoop目录etc/hadoop下面的*-sit.xml复制到${SPARK_HOME}的conf下面.
3.确保hadoop集群配置了 HADOOP_CONF_DIR or YARN_CONF_DIR
1.yarn-standalone方式提交到yarn
在${SPARK_HOME}下面执行：
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
复制代码
2. yarn-client 方式提交到yarn
在${SPARK_HOME}下面执行：
SPARK_JAR=./assembly/target/scala-2.10.4/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar \
SPARK_YARN_APP_JAR=examples/target/scala-2.10/spark-examples_2.10-assembly-0.9.0-incubating.jar \
./bin/run-example org.apache.spark.examples.SparkPi yarn-client
复制代码
二、使用程序提交
1.必须使用linux主机提交任务，使用windows提交到linux hadoop集群会报
org.apache.hadoop.util.Shell$ExitCodeException: /bin/bash: 第 0 行: fg: 无任务控制
复制代码
错误。hadoop2.2.0不支持windows提交到linux hadoop集群，网上搜索发现这是hadoop的bug。
2.提交任务的主机和hadoop集群主机名需要在hosts相互配置。
3.因为使用程序提交是使用yarn-client方式，所以必须像上面脚本那样设置环境变量SPARK_JAR 和 SPARK_YARN_APP_JAR
比如我的设置为向提交任务主机~/.bashrc里面添加：
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
复制代码
file:// 表明是本地文件，如果使用hdfs上的文件将file://替换为hdfs://主机名:端口号。建议使用hdfs来引用 spark-assembly-0.9.0-incubating-hadoop2.2.0.jar，因为这个文件比较大，如果使用file://每次提交任务都需要上传这个jar到各个集群，很慢。
其中SPARK_JAR是${SPARK_HOME}/assembly/target/scala-2.10.4/spark-assembly-0.9.0-incubating-hadoop2.2.0.jar
SPARK_YARN_APP_JAR是自己程序打的jar包，包含自己的测试程序。
4.程序中加入hadoop、yarn、依赖。
注意，如果引入了hbase依赖，需要这样配置
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-thrift</artifactId>
<version>${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>
复制代码
然后再加入
<dependency>
<groupId>org.ow2.asm</groupId>
<artifactId>asm-all</artifactId>
<version>4.0</version>
</dependency>
复制代码
否则会报错：
IncompatibleClassChangeError has interface org.objectweb.asm.ClassVisitor as super class
复制代码
异常是因为Hbase jar hadoop-maprece-client-jobclient.jar里面使用到了asm3.1 而spark需要的是asm-all-4.0.jar
5. hadoop conf下的*-site.xml需要复制到提交主机的classpath下，或者说maven项目resources下面。
6.编写程序
代码示例：
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;
}
});
//颠倒顺序
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说明是降序
JavaPairRDD<Integer, List<String>> letterE = letterD.sortByKey(false);
System.out.println("========" + letterE.collect());
System.exit(0);
}
}
复制代码
代码中master设置为yar-client表明了是使用提交到yarn.
关于spark需要依赖的jar的配置可以参考我的博客spark安装和远程调用。
以上弄完之后就可以运行程序了。
运行后会看到yarn的ui界面出现：
正在执行的过程中会发现hadoop yarn 有的nodemanage会有下面这个进程：
13247 org.apache.spark.deploy.yarn.WorkerLauncher
复制代码
这是spark的工作进程。
如果接收到异常为：
WARN YarnClientClusterScheler: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient memory
复制代码
出现这个错误是因为提交任务的节点不能和spark工作节点交互，因为提交完任务后提交任务节点上会起一个进程，展示任务进度，大多端口为4044，工作节点需要反馈进度给该该端口，所以如果主机名或者IP在hosts中配置不正确，就会报
WARN YarnClientClusterScheler: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient memory错误。
所以请检查主机名和IP是否配置正确。
我自己的理解为，程序提交任务到yarn后，会上传SPARK_JAR和SPARK_YARN_APP_JAR到hadoop节点， yarn根据任务情况来分配资源，在nodemanage节点上来启动org.apache.spark.deploy.yarn.WorkerLauncher工作节点来执行spark任务，执行完成后退出。
㈨ java有什么优势呀
1、Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言整体而言功能强大且简单易用。
2、Java具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程、动态性等特点 。Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等 。
3、薪资可观
据最新报告中显示，Java程序员是业内薪资最高的程序员之一。拥有Java技能有利于提高薪资。根据全球就业相关内容搜索引擎Indeed.com对职业排名的报告显示，2016年2月美国Java开发人员招聘职位的平均薪资为102,000美元。同时，据职业规划公司Gooroo在2015年薪资和需求报告中指出，Java仍然是美国、英国和澳大利亚最受欢迎和薪资最高的编程语言之一。
4、JAVA人才紧缺
随着各类智能终端设备不断普及，用户对设备的智能化、便捷化提出更高的要求，从而，消费需求的升级促使各大厂商对Java编程技能提升也随之有了更高的需求。
㈩ 报个java培训班多少钱
java培训班不同的机构，不同的课程价格不等，Java培训学习价格一般在10000元左右。如需学习java推荐选择【达内教育】。
【达内教育】的优势如下：
1、原理级深度讲解：内容涉及基础知识、架构设计、编程思想，从代码到知识点，从架构到思想，提升学员对编程理解，帮助学员成为会思考、能设计、强架构、重实现实战型技术人才。
2、企业级项目实战：课程由真实企业级项目贯穿，以项目驱动学习，不仅学习技术，更要掌握应用，真实应用带动学员的学习热情，帮助学员更好的提高实战应用能力，达到企业级用人标准。
3、真实云开发环境：针对互联网架构、大数据课程的分布式开发背景，为学员提供真实的云主机开发环境，每个学员都会分配若干台云服务器，真正的云环境下开发、测试、部署，还原企业开发部署真实场景。感兴趣的话点击此处，免费学习一下
想了解更多有关java培训费用的相关信息，推荐咨询【达内教育】。该机构是引领行业的职业教育公司，致力于面向IT互联网行业培养人才，达内大型T专场招聘会每年定期举行，为学员搭建快捷高效的双选绿色通道，在提升学员的面试能力、积累面试经验同时也帮助不同技术方向的达内学员快速就业。达内IT培训机构,试听名额限时抢购。