京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Ted Yu目前是Hortonworks高级技术成员,也是一名Apache HBase Committer,拥有15年以上的软件开发经验,以及超过三年的HBase开发经验。2011年他成为HBase代码提交者和PMC的成员,Apache项目按照贡献度“论资排辈”,只有作出足够的核心贡献才能进入PMC,且HBase代码提交者至今仍不足40人。
在2014年12月12-14日北京召开的2014中国大数据技术大会(暨第二届CCF大数据学术会议)上,Ted Yu将与大家一起探讨HBase的未来发展和面临的挑战。
Hortonworks高级技术成员和公司的HBase的核心贡献者Ted Yu
Ted Yu出生在一个计算机科学氛围浓重的家庭,父母都是计算技术方面的工程师,这使得他从小就受到了计算机科学氛围的熏陶,后来进入了清华大学大学,所学的专业为计算机技术及科学。
他之所选择Hadoop/HBase成为自己的研究方向,主要是因为Ted Yu曾在之前供职的公司CarrierIQ做过工程师,CarrierIQ很早就支持了Hadoop,而CarrierIQ平台正是使用了HBase。在实际的使用,Ted发现了大量的问题,作为一个开发者和自身严谨的态度的他将这些问题进行提交,久而久之成为了这个领域的专家。同时他当时就敏锐的判断出这是一个新的趋势,因为Hadoop可以真正实现云计算,在未来的大有前途。
团队协作是取得成功的重要因素
总结了多年的开发生涯,Ted Yu认为团队协作是取得成功的重要因素,因为大部分情况下遇到的困难都不是技术性的,只要团队的目标一致,观点的差异总是可以解决的。他这样解释:
在团队中,每个成员发挥着自己的优势,技术性的阻碍并不是最大的困难,团队的目标一致总能使成员在多方面贡献着自己的力量,进而实现团队的目标。包括他曾经所在eBay的Hadoop构架团队和后来的Apache HBase项目组,他都在团队中作出了大量的贡献,相比较收入而言,他更关注于社区问题的解决。
执着于开源的Ted Yu
Ted Yu一直活跃在国内外的各类大数据相关的会议上,一方面是分享HBase最新的技术发展和趋势,以及HBase的机遇及发展空间,另外他也在积极的推动开源这件事,他曾讲过这样的一句话:“任何封闭式解决方案都因来自其他参与者的激烈竞争而有被淘汰的风险。”
对于开源,Ted Yu认为参与开源比收入更重要,此前他曾在采访中表示,“帮助解决社区上的问题比提高当前的收入更重要。”
关于开源的需求,Ted Yu也有自己的看法。他认为从Linux被建立为企业集群(后来的云计算平台)事实上的操作系统的年代开始,软件开发已经历了巨大的变化。无论单个公司内部团队的规模有多大,它的资源都无法与开源社区的资源相提并论。其中的原因是:
服务于多种社区需求的解决方案将更加通用,社区在技术上的集体智慧优于内部人才。开发人员,特别是那些刚接触开源运动的人,应该更为积极地查看代码审查过程的反馈。很多时候,其他开发人员,尤其专注于特定领域的开发人员,可以更迅速地发现设计缺陷或者大家都忽略的问题。我们应该将开源过程视为将解决方案提升到一个更高水平的过程。
HBase作为Hadoop下的一个子项目,目前发展比较强大,是很值得大家关注的点,Ted Yu继续将在今年的2014中国大数据技术大会上和大家沟通交流HBase的未来发展和面临的挑战,敬请关注。与此同时,在这里也分享他在去年中国大数据技术大会上关于HBase和HOYA主题的演讲PPT。
本文: CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29