大数据工程师简历专业技能怎么写

1．能搭使用Hive和HBase的系统架构，和能用Hive进行海量数据的统计分析以及，能根据需求设计HBase表，能对Hive、HBase进行搭建Hadoop的系统架构和Hadoop集群。 2.能使用开源日志收集框架flume，Kafka消息队列。 3.能够使用Python2.7的版本，进行编程部署， 实现MapReducer框架，解决离线分析的场景和作业。 4.能够使用java,Scala进行项目的开发，能够实现Spark框架的研发作业。 5.能使用SparkStreaming进行实时数据的分析。 6.能使用MapReduce的原理和流程和其API开发应用程序 7．能使用Storm的原理和流程和使用API开发应用程序，以及Storm+Kafka实时流处理架构 8.清楚spark任务提交流程，对spark作业能进行调优 9.能操作MySQL、Oracle数据库 10.能使用Python进行网页爬虫，和Python与MySQL的交互

对于Linux的基本常用命令比较熟练，可以熟练使用vi编辑器。
熟悉zookeeper分布式协调服务应用，了解zookeeper的运行原理；熟练运用spark，清楚spark的启动过程以及任务运行的基本流程，可以自主完成对spark集群的搭建，熟悉spark-streaming，spark-sql，对于spark的相关算法有一些了解。
熟练掌握scala语言，可以使用scala对spark程序进行一些编写；
熟悉python语言，可以使用python来进行对业务逻辑的处理，以及爬取数据等操作；
熟悉Kafka的工作原理，可以自主完成对Kafka集群的搭建；
熟练运用shell脚本进行编程，可以使用shell脚本来进行一些特定的操作
熟悉hdfs，mapreduce，yarn的工作原理，熟悉Hadoop的生态体系，可以独立完成对于Hadoop集群的搭建，同时对于mapreduce程序的开发也可以独立完成；
熟悉hbase，hive，熟悉flume与Kafka的综合使用。
可以熟练使用eclipse，myeclipse，idea，mysql，等相关开发工具

Hadoop
PERL
Python
SQL
Hive
C/C++
Java
Linux

能够安装、部署、Hadoop2.x集群，熟悉Hadoop生态系统的相关产品，熟悉HDFS分布式文件系统，Sqoop数据库ETL工具，Flume日志收集，MapReduce分布式计算框架，熟练掌握Sql/Hql的编写，Zookeeper分布式协作，Yarn资源管理器，Hive数据仓库，HBase实时协作数据库，熟悉Spark内存计算，熟悉MySQL/ORACLE数据库安装、管理、调优、备份、容灾、安全等技能一般,熟悉MapReduce编程。熟悉Linux操作系统，熟悉shell，熟练运用SecureCRT, Xshell，MyEclipse，FileZilla Client等应用软件。

• 避免堆砌无关技能，保持简洁、聚焦岗位需求。
• 把技能分层呈现，如"精通/熟练/了解"，让HR一眼看出掌握程度。
• 软技能与硬技能结合，但硬技能优先。
• 技能描述具体化，比如写"熟练使用Excel数据透视表"而非仅"会用办公软件"。

• 夸大技能水平，面试时容易被问倒。
• 写了一堆与大数据工程师岗位无关的技能，浪费篇幅。

• 技能后补充应用场景或作品链接，可信度更高。
• 针对大数据工程师岗位补充正在学习的新技能，体现成长性。
• 技能程度要真实，避免写"精通"却在面试中露怯。