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
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13