大家好，今天小编关注到一个比较有意思的话题，就是关于学习hadoop还是python的问题，于是小编就整理了3个相关介绍学习hadoop还是Python的解答，让我们一起看看吧。
hadoop和spark的异同？
Hadoop和Spark都是大数据处理技术，但它们之间存在一些区别和异同点。
1. 数据处理方式：Hadoop***用MapReduce计算模型，而Spark***用基于内存的计算方式。
2. 处理速度：相比Hadoop，Spark的处理速度更快，因为它可以将数据加载到内存中并在内存中进行计算，而Hadoop需要将数据从磁盘中加载到内存中进行计算。
3. 处理范围：Hadoop适用于大规模数据处理和批量处理，而Spark除了可以进行批量处理，还可以实时处理流数据。
4. 编程语言：Hadoop主要***用java编程语言，而Spark则***用scala、Java或Python等多种编程语言。
5. 生态系统：Hadoop拥有完整的生态系统，包括Hive、Hbase、Pig等组件，而Spark生态系统相对较小，但正在不断壮大。
6. ***利用：Hadoop的***利用率较低，而Spark可以充分利用***，包括CPU、内存等。
综上所述，Hadoop和Spark都是处理大数据的技术，但它们之间存在一些不同点，选择哪个技术取决于具体的需求和场景。
Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架，Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点。
但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。 优势应该在于分布式架构比较相似能快速上手吧。
应届大学生学习j***a还是python？
纯码农建议先学j***a, 首先j***a很多公司在用，职位多。一线互联网公司bat,tmd，阿里和美团都是j***a系开发。其次j***a是编译语言，后端开发支持的开源库和社区非常丰富。
而python是动态轻量级语言，写脚本比较方便。如果你对算法方向感兴趣（机器学习，算法工程师也很热），也可以学python
本人从事j***a开发已有三年， 也看到各大招聘网站和招聘群内一些招聘信息，目前来看招聘需求j***a占了很大一部分市场，就就业的角度，本人建议学j***a比较好，好找工作，虽然语法上相比较python难一些，如果只是编程入门可选择python 语法简单，方向比较多，可爬虫，可脚本，可数据分析，可大数据，可web开发……花样多多，让你在技术的海洋里畅游！希望我的回答对您有帮助！
Hadoop支持用python开发吗？还有哪些支持python的分布式计算系统框架？
hadoop支持python，我理解的是任务被yarn下发到工作节点，通过shell方式被调用。这种方式比原生的MR还慢，所以没大有人用吧。
spark应该是对python比较友好的框架了。要说缺点，毕竟是scala或j***a风格的api，用起来不够python。再就是用过pandas和numpy，感觉spark的api还是比较基础。
除此之外，python推荐你了解一下dask，celery这两个框架。dask是基于numpy，pandas封装的，兼容大部分np，pd的接口。且支持分布式，有可视化界面。整体来说是不错的选择。
celery是一个分布式任务调度框架，本身设计并不是专门为了etl，所以[_a***_]会比dask差一些。但个人感觉作为生产系统使用，celery稳定性更高一些。
到此，以上就是小编对于学习hadoop还是Python的问题就介绍到这了，希望介绍关于学习hadoop还是Python的3点解答对大家有用。
