程序员必备的九个大数据处理语言1

忻峰作浪

　　互联网发展迅速，编程语言更迭出新，但是作为一个优秀的编程人员，有九个大数据处理编程语言你不得不知道，当需要对巨大的数据集中进行筛选时，程序员们要知道最好的工具是什么，下面小编把动力节点金牌Java老师讲的宝典偷来给大家分享一下。

　　1.R语言

　　在语言名单中，如果R语言排第二，那就没其他能排第一。自1997年以来，作为昂贵的统计软件，如Matlab和SAS的免费替代品，它渐渐风靡全球。

　　在过去的几年时间中，R语言已经成为了数据科学的宠儿——数据科学现在不仅仅在统计学家中人尽皆知，而且也为华尔街交易员、生物学家、硅谷开发者所家喻户晓。各行各业，如Google，Facebook，美国银行，以及纽约时报都使用R语言，R语言正在商业用途上持续蔓延和扩散。

　　话说回来，早在2010年，PaulButler就以R语言打造了全球的Facebook地图而著名，这证明了该语言丰富的可视化功能。尽管他现在已经不像以前那样频繁地使用R语言了。“R正在一点点地过时，因为它的缓慢和处理大型数据集的笨重。”Butler说。那么，他使用什么代替呢？

　　2.python

　　如果说R语言是一个神经质又可爱的高手，那么Python是它随和又灵活的表兄弟。作为一种结合了R语言快速对复杂数据进行挖掘并构建产品的更实用语言，Python迅速得到了主流的吸引力。Python是直观的，并且比R语言更易于学习，以及它的生态系统近年来急剧增长，使得它更能够用于先前为R语言保留的统计分析。“这是这个行业的进步。在过去的两年时间中，从R语言到Python已经发生了非常明显的转变。”Butler说。

　　在数据处理中，在规模和复杂性之间往往会有一个权衡，于是Python成为了一种折中方案。IPythonnotebook和NumPy可以用作轻便工作的一种暂存器，而Python可以作为中等规模数据处理的强大工具。丰富的数据社区，也是Python的优势，因为可以提供了大量的工具包和功能。美国银行使用Python在银行的基础架构中构建新的产品和接口，同时也用Python处理财务数据。“Python广泛而灵活，因此人们趋之若鹜。”O’Donnell说。不过，它并非最高性能的语言，只能偶尔用于大规模的核心基础设施。

　　3.Julia

　　虽然当前的数据科学绝大多数是通过R语言、Python、Java、MatLab和SAS执行的，但依然有其他的语言存活于夹缝中，Julia就是其中的后起之秀。

　　业界普遍认为Julia过于晦涩难懂，但在谈到它取代R和Python的潜力时会不由得眉飞色舞。Julia是一种高层次的、极度快速的表达性语言。它比R语言快，比Python更可扩展，且相当简单易学。

　　“它正在一步步成长。最终，使用Julia，你就能够办到任何用R和Python可以做到的事情。”Butler说。但是至今为止，年轻人对Julia依然犹豫不前。Julia数据社区还处于早期阶段，想要和R语言和Python竞争，它还需要添加更多的软件包和工具。“它还很年轻，但它正在掀起浪潮并且非常有前途。”Driscoll说。

　　4.Java

　　Java，以及基于Java的框架，被发现俨然成为了硅谷最大的那些高科技公司的骨骼支架。“如果你去看Twitter、LinkedIn和Facebook，那么你会发现，Java是它们所有数据工程基础设施的基础语言。”Driscoll说。

　　虽然，Java不能提供R和Python同样质量的可视化，并且它并非统计建模的最佳选择，但是，如果你移动到过去的原型制作并需要建立大型系统，那么Java往往是你的最佳选择。