大資料現在的越來越火，很多人都希望能夠快速的進入到這個領域，可能你的知識儲備還比較單薄，所以對於大資料的相關技術你應該更加深入的去學習。

對於如何學習，當然，大資料涉及到的知識點眾多，你也可以參看以下的具體知識點解析。

學習大資料的兩大基礎就是JAVA和Linux，學習順序不分前後。需要同時掌握，才可以繼續大資料課程的學習。

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qq群：199427210，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

• Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，學習大資料要學習那個方向呢？
• 
  只需要學習Java的標準版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向
•  
• 的技術在大資料技術裡用到的並不多，只需要瞭解就可以了，當然Java怎麼連線資料庫還是要知道的，像JDBC一定要掌握一
•  
• 下，有同學說Hibernate或Mybites也能連線資料庫啊，為什麼不學習一下，我這裡不是說學這些不好，而是說學這些可能會用
•  
• 你很多時間，到最後工作中也不常用，我還沒看到誰做大資料處理用到這兩個東西的，當然你的精力很充足的話，可以學學
•  
• Hibernate或Mybites的原理，不要只學API，這樣可以增加你對Java操作資料庫的理解，因為這兩個技術的核心就是Java的反
•  
• 射加上JDBC的各種使用。
•  
• Linux：因為大資料相關軟體都是在Linux上執行的，所以Linux要學習的紮實一些，學好Linux對你快速掌握大資料相關技術會
•  
• 有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大資料軟體的執行環境和網路環境配置，能少踩很多坑，學
•  
• 會shell就能看懂指令碼這樣能更容易理解和配置大資料叢集。還能讓你對以後新出的大資料技術學習起來更快。

好說完基礎了，再說說還需要學習哪些大資料技術，可以按我寫的順序學下去。

• Hadoop：這是現在流行的大資料處理平臺幾乎已經成為大資料的代名詞，所以這個是必學的。Hadoop裡面包括幾個元件
•  
• HDFS、MapReduce和YARN，HDFS是儲存資料的地方就像我們電腦的硬碟一樣檔案都儲存在這個上面，MapReduce是對
•  
• 資料進行處理計算的，它有個特點就是不管多大的資料只要給它時間它就能把資料跑完，但是時間可能不是很快所以它叫數
•  
• 據的批處理。
•  
• YARN是體現Hadoop平臺概念的重要元件有了它大資料生態體系的其它軟體就能在hadoop上運行了，這樣就能更好的利用
•  
• HDFS大儲存的優勢和節省更多的資源比如我們就不用再單獨建一個spark的叢集了，讓它直接跑在現有的hadoop yarn上面
•  
• 就可以了。
•  
• 其實把Hadoop的這些元件學明白你就能做大資料的處理了，只不過你現在還可能對"大資料"到底有多大還沒有個太清楚的概
•  
• 念，聽我的別糾結這個。等以後你工作了就會有很多場景遇到幾十T/幾百T大規模的資料，到時候你就不會覺得資料大真
•  
• 好，越大越有你頭疼的。當然別怕處理這麼大規模的資料，因為這是你的價值所在，讓那些個搞Javaee的php的html5的和
•  
• DBA的羨慕去吧。記住學到這裡可以作為你學大資料的一個節點。

• Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協
•  
• 作的資訊，這些資訊比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它
•  
• 正常的run起來就可以了。

• Mysql：我們學習完大資料的處理了，接下來學習學習小資料的處理工具mysql資料庫，因為一會裝hive的時候要用到，
•  
• mysql需要掌握到什麼層度那？你能在Linux上把它安裝好，執行起來，會配置簡單的許可權，修改root的密碼，建立資料庫。
•  
• 這裡主要的是學習SQL的語法，因為hive的語法和這個非常相似。

• Sqoop：這個是用於把Mysql裡的資料匯入到Hadoop裡的。當然你也可以不用這個，直接把Mysql資料表匯出成檔案再放到
•  
• HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。

• Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大資料變的很簡單，不會再費勁的編寫MapReduce程式。有
•  
• 的人說Pig那？它和Pig差不多掌握一個就可以了。

• Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark指令碼，還能檢查
•  
• 你的程式是否執行正確，出錯了給你發報警並能幫你重試程式，最重要的是還能幫你配置任務的依賴關係。我相信你一定會
•  
• 喜歡上它的，不然你看著那一大堆指令碼，和密密麻麻的crond是不是有種想屎的感覺。

• Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的資料是按照key和value的形式儲存的並且key是唯一的，所以它能用
•  
• 來做資料的排重，它與MYSQL相比能儲存的資料量大很多。所以他常被用於大資料處理完成之後的儲存目的地。

• Kafka：這是個比較好用的佇列工具，佇列是幹嗎的？排隊買票你知道不？資料多了同樣也需要排隊處理，這樣與你協作的
•  
• 其它同學不會叫起來，你幹嗎給我這麼多的資料（比如好幾百G的檔案）我怎麼處理得過來，你別怪他因為他不是搞大資料
•  
• 的，你可以跟他講我把資料放在佇列裡你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程式去了，因
•  
• 為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時資料的入庫或入HDFS，這時
•  
• 你可以與一個叫Flume的工具配合使用，它是專門用來提供對資料進行簡單處理，並寫到各種資料接受方（比如Kafka）的。

• Spark：它是用來彌補基於MapReduce處理資料速度上的缺點，它的特點是把資料裝載到記憶體中計算而不是去讀慢的要死進
•  
• 化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作
•  
• 它，因為它們都是用JVM的。

會這些東西你就成為一個專業的大資料開發工程師了，月薪2W都是小毛毛雨

• 後續提高

：當然還是有很有可以提高的地方，比如學習下python，可以用它來編寫網路爬蟲。這樣我們就可以自己造資料了，網路上的各

種資料你高興都可以下載到你的叢集上去處理。

最後再學習下推薦、分類等演算法的原理這樣你能更好的與演算法工程師打交通。這樣你的公司就更離不開你了，大家都會對你喜歡

的不要不要的。