在校生大数据毕设难题：海量练手数据集渠道与小数据模拟分布式方案探讨

提问方向想和各位大数据从业者、同专业同学交流在校学生做大数据课程 / 毕设时数据集选择、分布式场景模拟的实操经验解决学生缺少企业海量真实数据的学习痛点。自身思考这段时间浏览了 CSDN 大数据板块近百篇学生实战博文发现绝大多数同学做课程项目、毕业设计只用几十 MB 小型 CSV 数据集只能做简单单机数据分析完全练不到 HDFS 分布式存储、Flink 实时计算、数仓分层这些核心分布式技术。我自己尝试下载 Kaggle 交通、电商数据集但原始文件体量太大本地笔记本内存不足以完整跑通清洗、分布式存储流程目前我只知道 Kaggle、UCI 两个公开数据集平台缺少专门面向大数据场景的免费海量数据集资源。待解决疑问除 Kaggle、UCI 外还有哪些免费、适合学生练手的 GB/TB 级大数据公开数据集渠道手上只有小体量数据集时有什么简单可行的方法拆分分片模拟海量分布式数据场景练习集群操作毕业设计项目数据集量级做到多大才能满足大数据课程考核、简历项目含金量要求