資料庫工程師可以干到多少歲

A. 大數據開發可以干到多少歲

這個不僅是說大數據開發，對於很多行業工作者來說都是這樣
「你能跟得上節奏，你就能做多久」
對於年齡變大，就把程序員淘汰這一說法還不是來自於「年紀大了，學習知識的能力就變弱了」這一想法。
但是，事實上真的是這樣嗎？
當然不是，都說35歲是程序員的一道分水嶺，超過35歲就差不多在這行要干不下去了。但我見過不少超過35歲卻還依然在工作的程序員，且知識儲備比很多年輕人要高得多，問題解決能力也很強。
所以，這些都是看你是否有能力跟上時代的潮流，是否有能力及時更新自己的知識儲備，能夠滿足計算機這一行業的更新換代的速度，只要你能跟上，你年齡再大都沒問題，反而專業能力會越來越高！

B. oracle資料庫工程師是吃青春飯的職業嗎

和是會計師不一樣，不過和別的工程師差不多，職稱上可以評工程師、高級工程師，信息類的。
在一般國有企業可以做CIO，也就是信息主管類職務。
如果在信息類的公司，可以做到技術總監之類。
我們同行有做技術做到50多歲的，不過他是軟體公司的做副總經理，除了精通各種資料庫外，也做資料庫相關的軟體編程。

C. 大數據研發工程師能做到多少歲

一般過了35歲就會比較吃力的額，尤其對於搞軟體開發的，吃的是青春飯

D. 大數據工程師職業到底有多吃香

眾所周知，當下大數據開發工程師是一個很吃香的職業，現在大數據技術人才短缺，在互聯網圈裡越久，資歷越老，就越受歡迎。

但最近小駭發現了一個「大數據工程師干不過35歲」的話題引人注目。大數據工程師真的這么神奇嗎?聽起來這么恐怖的大數據工程師究竟是個啥職位??
談大數據工程師職位之前我們先來聊聊互聯網的職位發展，2018年是互聯網低迷成為大數據開發工程師，別墅靠大海的一年。
近來阿里巴巴、陌陌、知乎等大廠都紛紛傳來裁員的消息，有的人前一天還在通宵忙著新品上線，第二天就被裁員了，有人早上還寫著、改著BUG，下午就被人事約談。
而與之相對的，是19屆畢業生已經開始走上舞台。據某招聘網站調查顯示北京地區應屆生期望薪資更是達到12992元。
「一代新人換舊人」，大數據是眼下非常時髦的技術名詞，與此同時自然也催生出了一些與大數據處理相關的職業。
通過對數據的挖掘分析來影響企業的商業決策。毫無疑問，對於未來，大數據必定會帶來嶄新的格局。
從移動支付到共享經濟，從萬物互聯到智慧城市，從大數據這一概念被初步接受，到刷屏的年度賬單、聽歌報告，大數據所創造的價值正在一步一步體現。
互聯網、金融、電信、醫療、交通、民生，各行業都開始進行大數據應用，大數據的應用場景在未來更是有著無限可能。
大數據工程師究竟是個啥神仙職位呢?先讓我們來了解一下大數據是什麼。
大數據本質也是數據，但是又有了新的特徵，包括數據來源廣、數據格式多樣化(結構化數據、非結構化數據、Excel文件、文本文件等)、
數據量大(最少也是TB級別的、甚至可能是PB級別)、數據增長速度快等。
在大數據行業中有很多領域;通常來說它們可以被分為兩類：大數據工程，大數據分析。
這兩個領域互相獨立又互相關聯。數據工程涉及平台和資料庫的開發、部署和維護。
大數據工程師需要去設計和部署這樣一個系統，使相關數據能面向不同的消費者及內部應用。對應的職位是大數據開發工程師、ETL工程師、演算法工程師。
數據分析則是利用數據平台提供的數據進行知識提取;數據分析包括趨勢、圖樣分析以及開發不同的分類、預測預報系統。
對應的職位是數據分析師、數據挖掘工程師和數據科學家。

E. 大數據工程師就業現狀和前景如何

【導讀】隨著大數據的普及商用化，很多人說大數據工程師會在35歲失業，那麼是真是假呢?今天我們就來對現行的大數據工程師就業現狀和前景做個簡單分析，希望對大家有所幫助。

從現在的市場環境情況看，大數據工程師不會失業，並且沒有減少反而越來越多了，因為使用大數據的公司越來越多。提問者擔心的是搭建大數據平台的工作都沒了，大數據工程師還干什麼?其實現實中大數據工程師並不是在搭建平台這個殼，而是在搭建平台上的數據內容。

早期的大數據工程師

可能在提問者的意識里認為大數據工程師熟練掌握各種分布式系統原理，順手就寫一個maprece程序來計算，精通使用hadoop，spark，flink，kafka各種架構原理，然後在集群遇到問題迅速調參數進行修復。能用大數據生態的各種組件組建起來搭建各種data
pipeline的方式實現大數據平台。這種確實是在還沒有商業數據平台的時候大數據工程師的日常工作。總結主要工作：

維護hadoop等分布式平台，特別是在遇到系統高峰時能穩定系統完成數據加工需要比較深的分布式系統設計原理

根據業務發展使用大數據生態的各種組件組建起來搭建各種data pipeline，從數據採集，同步到加工(即所謂的ETL工作)

搭建分析師、運營和產品經理等大數據查詢和提數平台

搭建大數據報表展現系統

在商業大數據平台上工作的大數據工程師

但是大數據商業平台出來後，和雲上的組件打通後形成了閉環(特別是阿里雲上的RDS可以直接導入數據到MaxComputer中)，比如原來至少需要一個調度平台(haoop時代)來調度數據引擎上的腳本，以完成數據從業務庫同步到大數據平台，再調度完成後面的各種計算任務。這在以前至少需要一個調度平台，大數據平台，數據同步系統。但是現在全部都集成在一起來，且分布式系統放在雲上會形成了資源彈性網路，避免了因數據的峰值而造成的高難度維護工作也基本不需要了。其他的查詢、取數和展現系統雲上也都齊全，直接用就行。

從上面可以看出原來的大數據工程師的工作，基本上被簡化只剩下了數據加工部分了。

加工數據一開始的時候都是需要寫maprece程序，並且需要很了解hadoop系統，防止寫出爛程序，導致出現數據傾斜，沒加取數范圍限制等問題，導致一個任務堵塞整個集群。這個階段確實需要專業的工程師來干，但是後來出現了hive，直接降級成了業務同學也能用的SQL。而且商業大數據平台會做大數據平台執行引擎，對爛腳本的優化做了很多，防止很絕大部分的問題，更不會出現上面的問題了。實際上現在大部分的數據工程師90%的時間都在用SQL。是真的不怎麼需要了解底層原理。

這也說明大數據工程師的范圍縮減了很多，基本只剩下了設計數據模型做基礎的數據加工。這部分難度也不再是腳本的編寫，而是數據模型的架構質量，這時候要求的是對業務的熟悉程度和數據模型的知識。所以漸漸的大數據工程師開始兼並了一些數據分析師的工作，來設計各種業務指標。甚至有時候運營需要的指標體系都是大數據工程師直接出的了。但是反過來數據分析不能做數據工程師的工作，因為有數據建模技術壁壘和復雜數據加工技術壁壘。

結論

當一個職位的難度系數下降後，它就會橫向發展兼並上下游的職位的工作，最終那個難度系統最大的職位會留下，其他的出局。

所以從上面的論述，我認為普通的大數據工程師崗位不會減少，並且以後可能會兼並了數據分析師，但是長期可能會被演算法工程師給兼並。原來掌握分布式系統開發的工程師規模縮減，並單獨出來形成分布式系統工程師，在那些做商用大數據平台公司中繼續開發。

以上就是小編今天給大家整理發布的關於大數據工程師就業現狀和前景的相關內容，希望對大家有所幫助。

F. 資料庫dba工程師有35歲中年危機嗎30歲之後再入行資料庫dba職位可以嗎

基本來不及，資料庫這塊和編程什麼的有一定的共同性，那就是「易懂難精」。
就平時用到的來說可能增刪改查就足夠了，不過如果是dba那就不一樣了。
小一些的簡單一些的：表的設計，範式結構設計（其實就是數據範式結構化的意思），查詢語句設計。
系統化一些的：展現控制，數據流程，數據調優，系統優化，數據治理等等。
高大上一些的，比如資料庫架構，演算法設計等等。
現在提倡雲計算，可能還要有一些java的變成基礎，可能還需要hadoop等等。
如果原來是做實施運維的，那麼資料庫確實會接觸一些，不過內容不會特別深入，但是如果轉行做dba那就不一樣了。
記得十年前給公司的運維培訓的時候，我曾經講過資料庫，不過運維大多興趣缺缺，因為這些在實際中雖然一直在用，但並不是那麼明顯，他們不想弄明白為什麼要這么調，只要知道怎麼調就可以了，而為什麼這么調正是dba的工作。
至於有沒有35歲危機，答案是有，在國內來說dba和程序員是一樣的，如果一個人35歲還是一個程序員，你覺得會不會有危機，肯定有，dba的工作也一樣。當然dba稍微好一點就是這個工作真的需要經驗，不過按照你的說法，現在入行，確實有點晚了。
不過也可能你十分適合資料庫的工作，很快就能完成以上的內容，然後大獲成功，馬雲也是30多歲才創業，不也成功了嗎，我的說法只適合一般人，如果你能轉行成功，那麼只能說明你真的很強。

G. 軟體開發工程師多大年齡不能做了

一般就做到30歲左右，如果這時候還不能轉到管理或者自己單干，那就沒有再幹下去的必要了，只能轉行了。因為在這個年齡，你已經沒有了創造力，更多依靠經驗來辦事，對薪金的要求也很高，所以很多企業會選擇使用新人。

H. 資料庫工程師年紀大了還能做嗎

跟年紀無關，技術夠牛多大年紀都能做。。感覺職業規劃很重要，能去名企學幾年，身價應該會漲不少~~不是這個方向的，不過做技術的都差不多吧~