自我介绍

大家好!我是熊依，目前就读数据科学与大数据技术专业，我在生活中喜欢绘画，听歌。一开始是纸绘，有了平板后转战板绘，目前在各平台接一些小私稿，赚点小零花钱。学习新的技术例如live2d,3d建模。绘画是唯一能让我静八个小时甚至往上，这也导致我的腰特别容易疼，感觉自己要提前进入老年身体状态。
思维导图

现有能力深度复盘
编程基础：掌握 Java 与 Python 基础语法，能完成简单代码编写，但代码量（Java 200 行、Python 800 行）远未达到企业级开发要求，且缺乏面向运维场景的实战编程经验（如自动化脚本开发、故障排查工具编写）。
大数据与 Linux 功底：熟悉多系统（CentOS、Ubuntu、Red Hat）的基础操作与环境配置，了解 Hadoop 核心组件原理并能完成单机 / 集群部署，这是后端运维（尤其是大数据运维方向）的重要优势，但尚未涉及 Hadoop 集群的监控、调优与故障恢复，离生产环境应用还有差距。
数据处理与存储：能使用 Excel 完成小规模数据统计，掌握 MySQL、Redis 基础命令与 Python pandas、numpy 库的入门用法，可应对简单数据处理需求，但面对千万级以上数据的查询优化、分库分表策略，以及 Redis 的持久化、集群部署等进阶内容仍存在知识空白。
前端与自动化：了解 HTML、CSS 语法并编写过百行级网页，掌握 Python selenium 库与多线程技术，具备自动化操作的基础思维，但前端技术仅停留在 “能用” 层面，且未将自动化技术与运维场景结合（如自动化部署、自动化测试脚本开发）。
后端运维核心技能：学习 RHCSA 课程中的 Nginx 配置、yum 管理、进程控制、逻辑卷挂载等基础操作，但知识点掌握不牢固，尤其缺乏对服务高可用配置（如 Nginx 反向代理、负载均衡）、系统性能调优、故障排查的实战经验。
日后如何学习
目标调整：将 “掌握数据科学知识体系” 细化为 “能通过数据分析定位运维问题（如通过系统日志分析故障根因、通过性能数据识别瓶颈）”；
学习方法优化：每学一个技术点，同步思考 “该技术在运维场景的应用”（如学数据清洗时，思考 “如何清洗服务器日志中的无效数据”）。
数据源适配：除课程中的数据库、API 外，额外学习运维核心数据源采集：
系统数据：通过 Linux 命令（top、vmstat、iostat）采集 CPU、内存、磁盘 IO 数据；
日志数据：学习 ELK Stack（Elasticsearch、Logstash、Kibana），实现 Nginx 日志、应用日志的实时采集；
集群数据：通过 Hadoop 自带工具（dfsadmin、mapred job）采集集群运行状态数据。
采集工具实战：将课程中的 “网络爬虫” 转化为 “运维信息爬取”，如用 Python 编写脚本爬取服务器硬件信息、云平台资源使用情况；学习 ETL 工具（如 DataX），实现 MySQL 与 HDFS 之间的运维数据同步。
数据质量保障：针对运维场景，重点关注 “数据实时性”（如监控数据延迟不能超过 10 秒）、“数据完整性”（如日志不能丢失关键字段：时间戳、错误码），练习用 Python 脚本校验数据完整性（如检查日志中是否存在缺失时间戳的记录）