时间过得真快，从8月份下旬到10月份中旬，将近2个多月没有写博客了，哎，有时在感叹自己的懒惰！！！
不像刚开始学习大数据那么有劲头，天天做看视频和看牛人博客，搭建环境，做实验，写写过程和总结博客了。
在这三个月里，主要做了几件事：

1.参加IBM Spark比赛，我的职责：
1.1.在雪球网，使用Python Scrapy爬虫，公司的股票数据和用户数据，其中股票数据生成xlsx文档，然后用vba开发，为股票数值打类标签；
1.2.在新浪财经新闻，使用Python Scrapy爬虫，公司的新闻数据，生成txt文档；
1.3.使用python对新闻文本数据进行去除标点符号、特殊字符和停用词，然后使用jieba分词，再按照规则输出到txt中，
1.4 进行Spark MLlib 文本分类，文本训练和预测。
1.5.学习了解scikit-learn库。
2.参加bigdata培训机构的CCA培训，初步了解spark和scala。和对大数据生态圈有个初识。
3.对公司的CDH4/5集群环境写脚本监控等等。
4.调研阿里的EMR，将公司的ETL迁移到EMR中，主要目的是节省机器资源，降低cost。（现在正在做这个事）
5.和同事一起将公司的计算任务改变为spark计算，主要目的是为了节省time，也研究spark的调优知识。

从今天要把文档补齐吧，人的惰性真的一发不可收拾，咬咬牙还是废去吧！go to do it, boy!!!
从今天要把文档补齐吧，人的惰性真的一发不可收拾，咬咬牙还是废去吧！go to do it, boy!!!
从今天要把文档补齐吧，人的惰性真的一发不可收拾，咬咬牙还是废去吧！go to do it, boy!!!