目前大資料行業異常火爆，不少人都對大資料充滿了興趣，其中有大部分人都是之前沒有接觸過計算機技術的，對程式語言也不太瞭解，那是不是這部分零基礎的朋友就學不了大資料了呢？答案當然是否定的。

大資料學習雖然並不簡單，但也並不是什麼高深莫測，難以駕馭的技術，只要肯努力，零基礎的朋友也是完全可以掌握大資料，成功走上職場的。

大資料

開發

很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大資料學習企鵝群：458345782，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國內最完整的大資料高階實戰實用學習流程體系。

零基礎學習大資料的話大概分為以下幾步：

瞭解大資料理論

要學習大資料你至少應該知道什麼是大資料，大資料一般運用在什麼領域。自己對大資料究竟是否有興趣，如果對大資料一無所知就開始學習，有可能學著學著發現自己其實不喜歡，這樣耗時耗力得不償失。所以如果想要學習大資料，需要先對大資料有一個大概的瞭解。

大資料遍及我們的日常生活，深入各行各業。衣食住行，淘寶購物，訂外賣，訂酒店，微博抽獎使用者過濾……凡是涉及到大規模資料統計及演算法的知識，基本都屬於大資料的範疇。

計算機程式語言的學習

對於零基礎的朋友，一開始入門可能不會太簡單。因為需要掌握一門計算機的程式語言，大家都知道計算機程式語言有很多，比如：R，C++，Java等等，像我們幻維奇蹟的課程教授的就是Java大資料。

為什麼選擇Java？我們都知道Java是目前使用最為廣泛的網路程式語言之一，它容易學而且很好用。在眾多程式語言中，Java的普及度、易用程度、應用廣度都是不錯的。

Java略去了運算子過載、多重繼承等模糊的概念，去除了C++中許多容易混淆的概念，轉而以一種更清楚更容易理解的方式實現。只需理解一些基本的概念，就可以用它編寫出適合於各種情況的應用程式。

它沒有明顯的短板，是國內外很多程式設計師的首選語言，可以說是一種“價效比”比較划算的程式語言。

在學習Java的時候，我們一般需要學習這些課程： HTML&CSS&JS，java的基礎，JDBC與資料庫，JSP java web技術， jQuery與AJAX技術，SpringMVC、Mybatis、Hibernate等等。這些課程都能幫助我們更好了解Java，學會運用Java。

學完了程式語言之後，一般就可以進行大資料部分的課程學習了。一般來說，學習大資料部分的時間比學習Java的時間要短。大資料部分課程，包括大資料技術入門，海量資料高階分析語言，海量資料儲存分散式儲存，以及海量資料分析分散式計算等部分，Linux，Hadoop，Scala, HBase, Hive, Spark等等專業課程。如果要完整的學習大資料的話，這些課程都是必不可少的。

實戰階段

不用多說，學習完任何一門技術，最後的實戰訓練是最重要的，進行一些實際專案的操作練手，可以幫助我們更好的理解所學的內容，同時對於相關知識也能加強記憶，在今後的運用中，也可以更快的上手，對於相關知識該怎麼用也有了經驗。像我們幻維奇蹟，後期會給學生安排各種專案實訓，是以企業考核員工的標準來要求學生的，經受過這種鍛鍊的同學，學完就能出師，進入職場可以馬上投入工作，相當於已經有了不少經驗，所以，學大資料，多練習多找機會做專案肯定是必須的。

總的來說，零基礎學習大資料大概就是分為這4個階段。瞭解了這些，我們再來看看具體需要掌握哪些技能。

大資料

開發

以一個月薪50k+的阿里大資料工程師為例，成為他這個級別的資深大資料工程師，在技術上到底需要達到什麼層面？

—— 你需要掌握以下九大技術。

1Apache Hadoop

Hadoop現在已經進入第二個10年發展期了, 但不可否認的是, Hadoop在2017年出現了井噴式發展, 由於Hadoop從測試叢集向生產和軟體供應商方向不斷轉移, 其越來越接近於分散式儲存和處理機架構, 因此, 這一勢頭在未來會更加猛烈。由於大資料平臺的強大, Hadoop可能是一個挑剔的怪獸, 它需要熟悉的技術人員細心的照顧和餵養。掌握Hadoop最核心技術 (例如, HDFS, MapReduce, Flume, Oozie, Hive, Pig, HBase, and YARN) 的技術人員在職場上的需求將越來越大。

2Apache Spark

如果說Hadoop在大資料世界中已廣為人知, 那麼Spark就是一匹黑馬, 它所蘊含的原始潛力使Hadoop黯然失色。無論是否是Hadoop架構, 快速崛起的記憶體計算技術被認為是MapReduce風格分析框架更快和更簡潔的替代方案。Spark最佳的定位應當是大資料技術族中重要的一個成員。Spark仍然需要專業技術進行程式設計和執行, 這為知曉該技術的工程師提供了不錯的工作機會。

3NoSQL

在大資料的操作層面, 諸如 MongoDB 和 Couchbase 等分散式、可擴充套件的 NoSQL 資料庫正在接管市場份額極為龐大的的 SQL 資料庫, 例如 Oracle 和 IBM DB2。在 WEB 和移動 app層面, NoSQL資料庫常常被做為Hadoop分析的資料來源。在大資料領域, Hadoop 和 NoSQL 分別成為良性迴圈的兩個端點。

4機器學習和資料探勘

也就是Machine Learning and Data Mining。人們習慣於對收集的資料進行挖掘，但是, 在當今大資料的世界裡, 資料探勘已經達到了一個全新的高度。機器學習成為去年大資料技術最熱門的領域之一。大資料將會使那些能夠利用機器學習技術去構建和訓練像分類、推薦和個性化系統等預測分析應用程式的人成為職場寵兒, 取得就業市場上的頂級薪金。

5統計和定量分析

也就是Statistical and Quantitative Analysis，這個就是大資料。如果你有定量推理背景和數學或統計學等方面的學位,那麼你就成功了一半。此外,再加上一些使用統計工具經驗,例如 R, SAS, Matlab, SPSS, 或者是 Stata, 你就能夠鎖定這些工作崗位啦。在過去,許多量化工程師都會選擇在華爾街工作, 但由於大資料的快速發展, 現在各行各樣都需要大量的具有定量分析背景的 極客。

6SQL

以資料為中心的語言已有超過40年的歷史了, 但是這種祖父級的語言在當前的大資料時代仍然具有生命力。儘管它難以應對大資料的挑戰 (見上文NoSQL部分), 但是, 簡化了的結構化語言使其在許多方面變得十分容易。

7Data Visualization

資料視覺化，大資料可能不是那麼容易理解, 但在某些情況下, 通過鮮活的資料吸引眼球仍然是不可替代的方法。你可以一直用多元或邏輯迴歸分析方法解析資料, 但是, 有時候使用類似 Tableau 或Qlikview 這樣的視覺化工具探索資料樣本能夠直觀的告訴你所擁有的資料的形態, 甚至是發現那些能夠改變你處理資料方法的一些隱蔽細節。當然，如果你長大後想成為資料藝術家, 那麼, 精通一個甚至是更多的視覺化工具就是必不可少的了。

8通用程式設計語言

General Purpose Programming Languages，在類似 Java, C, Python, 或 Scala 等通用語言中擁有程式設計應用經驗能夠使你相對於那些侷限於分析技術的人更具有優勢。根據 Wanted Analytics的統計, 招聘具有資料分析背景的“計算機程式設計”職位的數量增長了 337%。具有傳統應用程式開發和新興資料分析能力的人將會有極大的就業選擇空間, 能夠自由的在終端使用者企業和大資料創業公司之間進行流動。

9創造力和問題解決能力

Creativity and Problem Solving，無論你在高階分析工具和技術方面有多大優勢,自主思考能力仍然是無可替代 的。大資料處理工具會不可避免的進行演化發展,新技術會不斷湧現並替代這裡所列 出的技術。但是,如果你能出於本能的渴求新的知識,並且能夠像獵犬一樣發現問題 的解決方案,就會有大量的工作機會在等著你。