1，大数据处理的1秒定律是什么2，如何进行大数据分析及处理3，大数据可以解决的问题有哪些4，大数据专业学什么5，大数据以后能干什么1，大数据处理的1秒定律是什么 “1秒定律”或者秒级定律，就是说对处理速度有要求，一般要在秒级时间范围内给出分析结果，时间太长就失去价值了。这个速度要求是大数据处理技术和传统的数据挖掘技术最大的区别。
2，如何进行大数据分析及处理 这个问题有点大哦这个可不是一两句话可以讲清楚明白的数据分析本身就已经挺复杂的了，要说大数据分析，那就更复杂了虽说只是多了一个“大”字，但是意义已经不同了大数据是一个非常系统的东西，大数据包含了很多的非机构化的数据比如说，图片、声音、视频，都属于大数据的原始数据，这些都要进行分析的那就涉及到了非机构化数据的结构化处理工作，是非常系统并负责的过程所以说，大数据分析和处理，是要经过学习，掌握了方法才能做到的
3，大数据可以解决的问题有哪些 (1)以服务器为中心的传统的直接存储技术：das技术(direct attached storage)。 das技术将通用服务器的一部分作为存储设备，该服务器同时提供数据的输入/输出及应用程序的运行。数据访问与操作系统、文件系统和服务程序是紧密相关的。目前，这种以服务器为中心的存储方式已不能适应越来越高的信息存储需求。但是，das产品的优势在于价格便宜，在那些数据容量不是很大和对数据安全性要求不是很高的部门还有一定的应用市场。 (2)以数据为中心的网络存储技术：nas(network attached storage)和san(network area storage)。 nas技术是一种特殊的利用专门的软、硬件构造的专用数据存储服务器，又有“瘦服务器”之称。它将分布的、独立的数据整合为大型集中化管理的数据中心。它将存储设备与服务器分离，单独作为一个文件服务器存在，去掉了通用服务器原有不适用的大多数计算功能，仅保留提供文件系统功能。可用于混合的unix/windows nt局域网，不用购置价格昂贵的多功能服务器。相比较而言，它更适用于一个需要公共文件系统的服务器群，如电子邮件服务器组，web服务器集群等。 (3)存储区域网(storage area network，san)是一种将磁盘或磁带与相关服务器连接起来的高速专用网，采用可伸缩的网络拓扑结构，可以使用光纤通道连接，也可以使用ip协议将多台服务器和存储设备连接在一起。将数据存储管理集中在相对独立的存储区域网内，并可提供san内部任意节点之间的多路可选择数据交换。san独立于lan之外，通过网关设备与lan连接，是一个专门的网络。三个构成要素：网络互连结构、管理软件和存储系统。
4，大数据专业学什么 大数据技术专业以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等。大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。以中国人民大学为例：基础课程：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。必修课：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。大数据专业就业方向1、数据工程方向毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的java大数据分布式程序开发、大数据集成平台的应用、开发等方面的高级技术人才，可在政府机关、房地产、银行、金融、移动互联网等领域从事各类java大数据分布式开发、基于大数据平台的程序开发、数据可视化等相关工作，也可在it领域从事计算机应用工作。2、数据分析方向毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的大数据平台运维、流计算核心技术等方面的高级技术人才，可在政府机关、房地产、银行、金融、移动互联网等领域从事各类大数据平台运维、大数据分析、大数据挖掘等相关工作，也可在it领域从事计算机应用工作。大数据专业就业方向1、数据工程方向毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的java大数据分布式程序开发、大数据集成平台的应用、开发等方面的高级技术人才，可在政府机关、房地产、银行、金融、移动互联网等领域从事各类java大数据分布式开发、基于大数据平台的程序开发、数据可视化等相关工作，也可在it领域从事计算机应用工作。2、数据分析方向毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的大数据平台运维、流计算核心技术等方面的高级技术人才，可在政府机关、房地产、银行、金融、移动互联网等领域从事各类大数据平台运维、大数据分析、大数据挖掘等相关工作，也可在it领域从事计算机应用工作。 5，大数据以后能干什么 目前在国内来说，大数据行业大概有以下几种岗位：数据分析师，数据架构师，数据挖据工程师，数据算法工程师，数据产品经理。接下来为大家详细介绍一下各岗位的工作内容。1. 数据分析师。数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。作为一名数据分析师、至少需要熟练spss、statistic、eviews、sas、大数据魔镜等数据分析软件中的一门，至少能用acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。2. 数据架构师。数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。从事数据架构师这个职位，需要具备较强的业务理解和业务抽象能力，具备大容量事物及交易类互联网平台的数据库模型设计能力，对调度系统，元数据系统有非常深刻的认识和理解，熟悉常用的分析、统计、建模方法，熟悉数据仓库相关技术，如 etl、报表开发，熟悉hadoop，hive等系统并有过实战经验。3. 数据挖掘工程师。一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。成为数据挖据工程师需要具备深厚的统计学、数学、数据挖掘理论基础和相关项目经验，熟悉r、sas、spss等统计分析软件之一，参与过完整的数据采集.整理.分析和建模工作。.具有海量数据下机器学习和算法实施相关经验，熟悉hadoop，hive，map-reduce等。4. 数据算法工程师。在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。需要具备的知识有：扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法；熟悉大数据生态，掌握常见分布式计算框架和技术原理，如hadoop、mapreduce、yarn、storm、spark等；熟悉linux操作系统和shell编程，至少熟悉scala/java/python/c++/r等语言中的一种编程；熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力。5. 数据产品经理。数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。需要具备的技能有：有数据分析/数据挖掘/用户行为研究的项目实践经验 ；有扎实的分析理论基础，精通1种以上统计分析工具软件，如spss、sas，熟练使用excel、sql等工具； 熟悉sql/hql语句，工作经历有sql server/my sql等的优先 ；熟练操作excel，ppt等办公软件,熟练使用spss、sas等统计分析软件其中之一 ；熟悉hadoop集群架构、有bi实践经验、参与过流式计算相关经验者加分 ；熟悉客户端产品的产品设计、开发流程 。