java se用什么可以做？JavaSE是什么
大家好，关于java se用什么可以做很多朋友都还不太明白，不过没关系，因为今天小编就来为大家分享关于JavaSE是什么的知识点，相信应该可以解决大家的一些困惑和问题，如果碰巧可以解决您的问题，还望关注下本站哦，希望对各位有所帮助！
JavaSE是什么
Java se是由Sun Microsystems公司于1995年5月推出的Java程序设计语言和Java平台的总称。
用Java实现的HotJava浏览器（支持Java applet）显示了Java的魅力：跨平台、动态的Web、Internet计算，从此Java被广泛接受并推动了Web的迅速发展，常用的浏览器现在均支持Java applet。
Java语言恐怕是稳居网路应用程序语言的首选了，这都要归功于它高度的安全性以及跨平台的特性，几乎在目前所有的电脑平台上您都可以见得到Java的芳踪。
Java se用于开发和部署桌面、服务器以及嵌入设备和实时环境中的Java应用程序，Java SE包括用于开发Java Web服务的类库，同时，Java SE为Java EE提供了基础。
扩展资料：
Java se用于开发和部署桌面、服务器以及嵌入设备和实时环境中的Java应用程序，Java SE包括用于开发Java Web服务的类库，同时，Java SE为Java EE提供了基础。
过去很可能会有不少人抱怨Java虽然有着相当不错的跨平台以及安全防护等特性，但是它的执行速度远远不及C++等各种传统惯用的程序语言。不过这次SunMicrosystem可是有备而来的，不仅在执行速度上有大幅度的改革，而且在内容上也有做了一些修改以及增强。
参考资料：
JAVA SE-百度百科
JAVA主要是用来干什么的呢
其实，Java的内容很丰富，可以实现的功能也有很多。
我们常常说的Java，首先它是一种计算机编程语言，程序员用它来和计算机交流,把要求和设想用Java语言表达出来，这个过程就是我们所说的使用Java编程，所以我们说Java是一种计算机编程语言。为了让计算机看懂，Java会有一系列的规则和约定，这些就是Java的语法。
其次，Java是一种软件开发平台。所谓软件开发简单地理解为：编程的结果是软件或者程序，而编程的过程就是软件开发。
JAVA可以用来干什么，下面是为大家总结的主要的六点：
一、Java可以用来做网站
很多大型网站都是用JSP写的，JSP全名Java Server Pages。这是一种动态网页技术，比如我们熟悉的B站，很多政府网站都是用这个写的所以想学习Java的同学还可以负责网站方面的制作，这方面的岗位也比较多，比如:网站开发，当然就是JSP+Servlet+JavaBean，一直以来都相当流行。
二、Java可以做安卓软件
安卓是一个手机系统基于Linux的操作系统，其中源代码Java，市面上所有的安卓手机，包括小米，oppo，华为手机系统都是修改Java运行的，Java做安卓也不只是只能做系统，对于更多的程序开发人员来说，更多的时间是花在APP上，也就是手机上的各种软件都是用Java写的，Java做安卓不单单是指系统，还有APP对于更多的开发人员来说，他们更多的时间是花在开发APP上面。如果你还在寻找Java在哪运用，你不用东奔西走的寻找，你的身边就是。Android手机，随便打开一个App应用，他们就是用Java语言，从Google上搜索Android的API文档，你就会发现它和Java的JDK文档惊人的相似。
三、Java可以用来做游戏
以前诺基亚手机风靡天下的时候，上面的很多小游戏都是用Java写的，只是现在都多去开发安卓了，电脑上的大多数也是用Java来开发的，最经典的就是《我的世界》，当今世界最具影响力的游戏英雄联盟，吃鸡就是用Java写的
四、Java可以用来写软件
很多编程语言都是可以来写软件的，但Java是现在最适用最广泛的，比如企业级应用开发，这里是JAVA的天地。还有OA、邮箱、投票、金融、考试、物流、医疗、矿山等信息方面的系统，Java都占有极为重要的地位。现在国内的最热门的就是手机应用，学习Java去做手机应用还是比较吃香的，比如：企业级应用开发，这里是JAVA的天地，大到全国联网的系统，小到中小企业的应用解决方案，Java都占有极为重要的地位，另外还有移动领域，典型的应用是手机游戏(国内主要是这方面)，这里是J2ME的天地，其实应用范围是很广的。
五、Java服务器程序
Java在金融服务业的应用非常广泛，许多跨国投资银行例如：Goldman Sachs（高盛投资），Citigroup（花旗集团），Barclays（巴克莱银行）以及其他银行，都用Java来编写前台和后台的电子交易系统，结算和确认系统，数据处理项目以及其他项目。
大多数情况下，Java被用在服务器端开发，但多数没有任何前端，它们通常是从一个服务器（上一级）接收数据，处理后发向另一个处理系统（下一级处理）。
六、Java大数据技术
Hadoop以及其他大数据处理技术都是用Java或者其他，例如Apache的基于Java的 HBase和Accumulo以及ElasticSearchas。
但是Java在此领域并未占太大空间，但只要Hadoop和ElasticSearchas能够成长壮大，Java依旧还有潜力去在这个市场占据一部分。
做Java开发都需要学什么怎么学
以下介绍的课程主要针对零基础大数据工程师每个阶段进行通俗易懂简易介绍，方面大家更好的了解大数据学习课程。课程框架是科多大数据的零基础大数据工程师课程。
一、第一阶段：静态网页基础(HTMLCSS)
1.难易程度：一颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：html常用标签、CSS常见布局、样式、定位等、静态页面的设计制作方式等
4.描述如下：
从技术层面来说，该阶段使用的技术代码很简单、易于学习、方便理解。从后期课程层来说，因为我们重点是大数据，但前期需要锻炼编程技术与思维。经过我们多年开发和授课的项目经理分析，满足这两点，目前市场上最好理解和掌握的技术是J2EE，但J2EE又离不开页面技术。所以第一阶段我们的重点是页面技术。采用市场上主流的HTMlCSS。
二、第二阶段：JavaSEJavaWeb
1.难易程度：两颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：java基础语法、java面向对象(类、对象、封装、继承、多态、抽象类、接口、常见类、内部类、常见修饰符等)、异常、集合、文件、IO、MYSQL(基本SQL语句操作、多表查询、子查询、存储过程、事务、分布式事务)JDBC、线程、反射、Socket编程、枚举、泛型、设计模式
4.描述如下：
称为Java基础，由浅入深的技术点、真实商业项目模块分析、多种存储方式的设计
与实现。该阶段是前四个阶段最最重要的阶段，因为后面所有阶段的都要基于此阶段，也是学习大数据紧密度最高的阶段。本阶段将第一次接触团队开发、产出具有前后台(第一阶段技术第二阶段的技术综合应用)的真实项目。
三、第三阶段：前端框架
1.难易程序：两星
2.课时量(技术知识点阶段项目任务综合能力)：64课时
3.主要技术包括：Java、Jquery、注解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui
4.描述如下：
前两个阶段的基础上化静为动，可以实现让我们网页内容更加的丰富，当然如果从市场人员层面来说，有专业的前端设计人员，我们设计本阶段的目标在于前端的技术可以更直观的锻炼人的思维和设计能力。同时我们也将第二阶段的高级特性融入到本阶段。使学习者更上一层楼。
四、第四阶段：企业级开发框架
1.难易程序：三颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Hibernate、Spring、SpringMVC、log4jslf4j整合、myBatis、struts2、Shiro、redis、流程引擎activity，爬虫技术nutch,lucene，、Tomcat集群和热备、MySQL读写分离
4.描述如下：
如果将整个JAVA课程比作一个糕点店，那前面三个阶段可以做出一个武大郎烧饼(因为是纯手工-太麻烦)，而学习框架是可以开一个星巴克(高科技设备-省时省力)。从J2EE开发工程师的任职要求来说，该阶段所用到的技术是必须掌握，而我们所授的课程是高于市场(市场上主流三大框架，我们进行七大框架技术传授)、而且有真实的商业项目驱动。需求文档、概要设计、详细设计、源码测试、部署、安装手册等都会进行讲解。
五、第五阶段：初识大数据
1.难易程度：三颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：大数据前篇(什么是大数据，应用场景，如何学习大数据库，虚拟机概念和安装等)、Linux常见命令(文件管理、系统管理、磁盘管理)、LinuxShell编程(SHELL变量、循环控制、应用)、Hadoop入门(Hadoop组成、单机版环境、目录结构、HDFS界面、MR界面、简单的SHELL、java访问hadoop)、HDFS(简介、SHELL、IDEA开发工具使用、全分布式集群搭建)、MapRece应用(中间计算过程、Java操作MapRece、程序运行、日志监控)、Hadoop高级应用(YARN框架介绍、配置项与优化、CDH简介、环境搭建)、扩展(MAP端优化，COMBINER使用方法见,TOPK,SQOOP导出,其它虚拟机VM的快照,权限管理命令,AWK与SED命令)
4.描述如下：
该阶段设计是为了让新人能够对大数据有一个相对的大概念怎么相对呢?在前置课程JAVA的学习过后能够理解程序在单机的电脑上是如何运行的。现在，大数据呢?大数据是将程序运行在大规模机器的集群中处理。大数据当然是要处理数据，所以同样，数据的存储从单机存储变为多机器大规模的集群存储。
(你问我什么是集群?好，我有一大锅饭，我一个人可以吃完，但是要很久，现在我叫大家一起吃。一个人的时候叫人，人多了呢?是不是叫人群啊!)
那么大数据可以初略的分为：大数据存储和大数据处理所以在这个阶段中呢，我们课程设计了大数据的标准：HADOOP大数据的运行呢并不是在咋们经常使用的WINDOWS7或者W10上面，而是现在使用最广泛的系统：LINUX。
六、第六阶段：大数据数据库
1.难易程度：四颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Hive入门(Hive简介、Hive使用场景、环境搭建、架构说明、工作机制)、HiveShell编程(建表、查询语句、分区与分桶、索引管理和视图)、Hive高级应用(DISTINCT实现、groupby、join、sql转化原理、java编程、配置和优化)、hbase入门、HbaseSHELL编程(DDL、DML、Java操作建表、查询、压缩、过滤器)、细说Hbase模块(REGION、HREGIONSERVER、HMASTER、ZOOKEEPER简介、ZOOKEEPER配置、Hbase与Zookeeper集成)、HBASE高级特性(读写流程、数据模型、模式设计读写热点、优化与配置)
4.描述如下：
该阶段设计是为了让大家在理解大数据如何处理大规模的数据的同时。简化咋们的编写程序时间，同时提高读取速度。
怎么简化呢?在第一阶段中，如果需要进行复杂的业务关联与数据挖掘，自行编写MR程序是非常繁杂的。所以在这一阶段中我们引入了HIVE，大数据中的数据仓库。这里有一个关键字，数据仓库。我知道你要问我，所以我先说，数据仓库呢用来做数据挖掘分析的，通常是一个超大的数据中心，存储这些数据的呢，一般为ORACLE,DB2,等大型数据库，这些数据库通常用作实时的在线业务。
总之，要基于数据仓库分析数据呢速度是相对较慢的。但是方便在于只要熟悉SQL，学习起来相对简单，而HIVE呢就是这样一种工具，基于大数据的SQL查询工具，这一阶段呢还包括HBASE，它为大数据里面的数据库。纳闷了，不是学了一种叫做HIVE的数据“仓库”了么?HIVE是基于MR的所以查询起来相当慢，HBASE呢基于大数据可以做到实时的数据查询。一个主分析，另一个主查询
七、第七阶段：实时数据采集
1.难易程序：四颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Flume日志采集，KAFKA入门(消息队列、应用场景、集群搭建)、KAFKA详解(分区、主题、接受者、发送者、与ZOOKEEPER集成、Shell开发、Shell调试)、KAFKA高级使用(java开发、主要配置、优化项目)、数据可视化(图形与图表介绍、CHARTS工具分类、柱状图与饼图、3D图与地图)、STORM入门(设计思想、应用场景、处理过程、集群安装)、STROM开发(STROMMVN开发、编写STORM本地程序)、STORM进阶(java开发、主要配置、优化项目)、KAFKA异步发送与批量发送时效，KAFKA全局消息有序，STORM多并发优化
4.描述如下：
前面的阶段数据来源是基于已经存在的大规模数据集来做的，数据处理与分析过后的结果是存在一定延时的，通常处理的数据为前一天的数据。
举例场景：网站防盗链，客户账户异常，实时征信，遇到这些场景基于前一天的数据分析出来过后呢?是否太晚了。所以在本阶段中我们引入了实时的数据采集与分析。主要包括了：FLUME实时数据采集，采集的来源支持非常广泛，KAFKA数据数据接收与发送，STORM实时数据处理，数据处理秒级别
八、第八阶段：SPARK数据分析
1.难易程序：五颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：SCALA入门(数据类型、运算符、控制语句、基础函数)、SCALA进阶(数据结构、类、对象、特质、模式匹配、正则表达式)、SCALA高级使用(高阶函数、科里函数、偏函数、尾迭代、自带高阶函数等)、SPARK入门(环境搭建、基础结构、运行模式)、Spark数据集与编程模型、SPARKSQL、SPARK进阶(DATAFRAME、DATASET、SPARKSTREAMING原理、SPARKSTREAMING支持源、集成KAFKA与SOCKET、编程模型)、SPARK高级编程(Spark-GraphX、Spark-Mllib机器学习)、SPARK高级应用(系统架构、主要配置和性能优化、故障与阶段恢复)、SPARKMLKMEANS算法，SCALA隐式转化高级特性
4.描述如下：
同样先说前面的阶段，主要是第一阶段。HADOOP呢在分析速度上基于MR的大规模数据集相对来说还是挺慢的，包括机器学习，人工智能等。而且不适合做迭代计算。SPARK呢在分析上是作为MR的替代产品，怎么替代呢?先说他们的运行机制，HADOOP基于磁盘存储分析，而SPARK基于内存分析。我这么说你可能不懂，再形象一点，就像你要坐火车从北京到上海，MR就是绿皮火车，而SPARK是高铁或者磁悬浮。而SPARK呢是基于SCALA语言开发的，当然对SCALA支持最好，所以课程中先学习SCALA开发语言。
在科多大数据课程的设计方面，市面上的职位要求技术，基本全覆盖。而且并不是单纯的为了覆盖职位要求，而是本身课程从前到后就是一个完整的大数据项目流程，一环扣一环。
比如从历史数据的存储，分析(HADOOP,HIVE,HBASE)，到实时的数据存储(FLUME,KAFKA)，分析(STORM,SPARK)，这些在真实的项目中都是相互依赖存在的。
OK，本文到此结束，希望对大家有所帮助。