有没有了解勤哲mis数据库开发平台的，是不是比较好用？
- “自下而上”和“自上而下”两种MIS的开发策略各有何优缺点?
- 有没有比云端软件平台更好的“云”？这个我也在用，但目前未找到更好的“云”软件。有类似的各位分享啊！
- sql数据库好不好学？？
- 大数据平台是什么？什么时候需要大数据平台？如何建立大数据平台？
“自下而上”和“自上而下”两种MIS的开发策略各有何优缺点?
1、自下而上”MIS开发策略：
优点：可以避免大规模系统可能出现运行不协调的危险。
缺点：不能像想象那样完全周密，由于缺乏从整个系统出发考虑问题，随着系统的进展，往往要做许多重大修改，甚至从新规划、设计。
2、“自上而下”MIS开发策略：
优点：这种开发策略有很强的逻辑性，是从整体上协调和规划，由全面到局部，由长远到近期，从探索合理的信息流出来发来设计信息系统。
缺点：实施难度较大。
扩展资料
存在问题
1、急功近利
企业中具有条件的部门客观上不可能完整的设计整个系统的MIS，仅从本部门的利益出发率先实现了计算机管理。就企业的整体MIS而言是重复投资，造成人、财、物极大浪费的直接原因。
2、贪大求全
许多MIS设计的非常完善，项目完成后确难以发挥作用而成为失败的例子，其原因忽视企业的当前实际情况盲目追求高新技术。
3、重复开发
重复开发不仅浪费时间和人力、物力，而且重复开发的系统经常性的处于修修补补的完善过程中。
4、重‘硬’不重‘软’
企业使用不懂MIS的人员搞MIS的工作。这些人被戏称具有‘电灯泡‘思想，只重视购买设备而不了解‘软件’才是MIS的根本内容。
5、只重开发不重维护
许多MIS花费了巨大的人力和物力，但投入使用运行后不久就夭折了，原因在于严重忽视软件工程的最后一个也是最重要的一个环节-维护而导致MIS的失败。
6、Interactive Multimedia Service -- 交互式多媒体服务
参考资料来源：百度百科-整合管理体系
有没有比云端软件平台更好的“云”？这个我也在用，但目前未找到更好的“云”软件。有类似的各位分享啊！
目前我发现的还没有比云端软件平台更要的，但据我了解，现在的Ubuntu正涉水云计算，相信这会是后起之秀！
sql数据库好不好学？？
数据库的话，建议先从微软的SQL Server学起，要知道，微软的产品，在帮助文档和界面上，都是非常好用的，如果不是直接用数据库做开发数据库不难，当然我说的数据库开发指的是不借助其他开发工具，直接用数据库做东西。
只要记住，数据库要做的就是增、删、改、查，里面的函数，大概了解一下就可以了，不懂的，看看“联机丛书”（帮助文档）就OK啦~
大数据平台是什么？什么时候需要大数据平台？如何建立大数据平台？
首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。
Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。
Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。
Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。
Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。
Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。
Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。
Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。
Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。
Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。
Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。
Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。