如何高效快速的學習大數據
經常有初學者在博客和QQ問我，自己想往大數據方向發展，該學哪些技術，學習路線是什麽樣的，覺得大數據很火，就業很好，薪資很高。。。。。。。如果自己很迷茫，為了這些原因想往大數據方向發展，也可以，那麽我就想問一下，你的專業是什麽，對於計算機/軟件，你的興趣是什麽？是計算機專業，對操作系統、硬件、網絡、服務器感興趣？是軟件專業，對軟件開發、編程、寫代碼感興趣？還是數學、統計學專業，對數據和數字特別感興趣。。
其實這就是想告訴你的大數據的三個發展方向，平臺搭建/優化/運維/監控、大數據開發/設計/架構、數據分析/挖掘。請不要問我哪個容易，哪個前景好，哪個錢多。
我先普及一下大數據的4V特征：
數據量大，TB->PB
數據類型繁多，結構化、非結構化文本、日誌、視頻、圖片、地理位置等；
商業價值高，但是這種價值需要在海量數據之上，通過數據分析與機器學習更快速的挖掘出來；
處理時效性高，海量數據的處理需求不再局限在離線計算當中。
現如今，開源的大數據框架越來越多，越來越強，如下是我列舉的關於大數據技術方面的幾個服務框架：
文件存儲：Hadoop HDFS、Tachyon、KFS
離線計算：Hadoop MapReduce、Spark
流式、實時計算：Storm、Spark Streaming、S4、Heron
K-V、NOSQL數據庫：HBase、Redis、MongoDB
資源管理：YARN、Mesos
日誌收集：Flume、Scribe、Logstash、Kibana
消息系統：Kafka、StormMQ、ZeroMQ、RabbitMQ
查詢分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
分布式協調服務：Zookeeper
集群管理與監控：Ambari、Ganglia、Nagios、Cloudera Manager
數據挖掘、機器學習：Mahout、Spark MLLib
數據同步：Sqoop
任務調度：Oozie
這麽多東東，怎麽開始，怎麽學習，別急，小編告訴你怎麽玩這些：大數據學習資料分享群119599574 不管你是小白還是大牛，小編我都挺歡迎，不定期分享幹貨，包括我自己整理的一份最新的適合2018年學習的大數據開發和零基礎入門教程，歡迎初學和進階中的小夥伴
如何高效快速的學習大數據