如果在公司里，这属于两个工种：算法工程师、Hadoop工程师。那么请描述这两个工作岗位的员工是怎么合作的？工作流程是怎样的？

第一个mapreduce的输出都是在local，而mapreduce的输入需要在hdfs文件中。当然可以使用copyfromlocal，把local文件拷贝到hdfs文件，但是好麻烦，有简单的方法吗？

我是做java的，我老板让我去学hadoop和python，这两种技术能在一起做项目么？hadoop是java开发的啊，按理来说java是无缝对接的，和python扯上什么关系？

我先说一个：二三十万行数据，共几十M的数据量，愣是用10来个hadoop任务（10多个文件）来实现，也是醉了~~~~~

没有集群环境，怎么学好大数据处理框架（Hadoop，Spark）的相关知识？在已经有Java，scala等丰富经验的前提下。

请详细说明 我是做Java的 想进去大数据开发

如题，系统搭建在公司的虚拟机集群上，这样还有木有性能上的优势?或者说这样搭建分布式计算系统还有意义么?反正最终都是服务器的内存和硬盘，我感觉用多线程，多进程的老方法，直接在服务器上跑，省去那些集群间的调度和网络io，是不是会更快一些？小白不懂,求大侠相助

我用的cdh的发行版，服务器每台双U 96G 24TB。有没有必要每个服务都独立的分别部署在不同的机器上，还是可以叠加好一点？请给个分析？谢谢！

左边图：a表右边图：b表

自学有一段时间了，除了听到别人说处理数据库的大小不同，就没看出来有什么具体的差别，感觉一直找不到方法，求高手帮忙解答下！