大家可以在評論留言自己所需要的學習資料，小編看到會對大家的留言進行一一的回覆

大資料時代，掌握核心競爭力，月薪翻番，實現職場晉升！

如今企業對於大資料高階人才的需求度越來越緊迫，在大資料團隊主要分三種角色：大資料開發工程師、大資料運維工程師、大資料架構師。根據職友集的統計，他們的平均月薪在北上廣深四大一線城市穩定在15000-25000之間。

隨著工作經驗的累積，工資更是大幅增長。

為了適應這股新潮流，我們為大家精心整理了大資料的最新學習路線，囊括Linux、Shell、Haddop、Zookeeper等大資料核心知識，為同學們獻上完整的大資料工程師學習路徑，想要學習大資料的同學還不快來？

下面帶大家好好了解一下《大資料1810期學習路線圖》：

第1階段 linux和高併發

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。

主要內容：

1.linux作業系統

2.linux基本命令

3.linux軟體安裝

4.shell程式設計

5.網路基礎知識

6.lvs叢集和高併發

7.nginx叢集和高併發

8.keepalived和單點故障

第2階段 hadoop體系之離線計算

Hadoop 是一款支援資料密集型分散式應用並以 Apache 2.0 許可協議釋出的開源軟體框架，它能搭建大型資料倉庫，PB 級別資料的儲存、處理、分析、統計等業務。程式語言你可以選，但 Hadoop 一定是大資料必學內容。

主要內容：

1.hdfs分散式檔案系統

2.mapreduce分散式計算

3.YARN-資源管理和任務排程

4.MAPREDUCE 案例

5.hive

6.hbase資料庫

7.ZOOKEEPER協同處理

8.EL SEARCH搜尋引擎

9.REDIS記憶體資料

第3階段 spark體系之分散式計算

Spark 和 Hadoop 都是大資料框架。Hadoop 提供了 Spark 所沒有的功能特性，比如分散式檔案系統，而 Spark 為需要它的那些資料集提供了實時記憶體處理。所以學習 Spark 也非常必要。

主要內容：

1.kafka分散式訊息佇列

2.scala分散式計算機開發語言

3.spark-core之離線計算

4.spark-sql

5.spark-stream流式計算

6.STORM流式框架

第4階段 機器學習與資料探勘

大資料和機器學習經常一起出現，因為我們會使用機器學習這個工具做大資料的分析工作。機器學習是一種讓計算機利用資料而不是指令來進行各種工作的方法。可以把機器學習看做我們做大資料分析的一個比較好用的工具。

資料探勘是指從資料中提取潛在的、有價值的資訊。資料探勘可以看成是對大資料處理的一種方式，但是大資料的處理方式並不止資料探勘。

主要內容：

1.Python語言基礎

2.迴歸演算法

3.分類演算法

4.聚類演算法

5.推薦演算法

第5階段 大資料專案實戰

通過大資料實戰專案，對常用技能進行系統運用，例如使用常用的機器學習進行建模、分析和運算，這是成為大資料工程師過程中的重要一步。

主要內容：

1.大型電商日誌分析專案

本專案主要是對hadoop生態體系的某些技術做一個總結，利用學到的技術做一個企業級的專案，瞭解各個技術在企業級專案中是如何使用的。本專案以電商網站做為基礎，通過各種日誌資料進行分析，對公司的產品做一些決策。

2.智慧交通卡口分析專案

城市中每時每刻都會產生海量資料，應用資料探勘、機器學習和視覺化技術，分析出的資料可以改進城市規劃，緩解交通擁堵，抓捕罪犯，利於大資料為交通決策提供輔助。智慧交通卡口分析專案就是基於海量資料挖據出問題卡口，問題通道，分析主幹道擁堵情況，為決策者決策提供輔助。

3.智慧APP推薦專案

推薦系統是當前在機器學習領域非常火熱的技術之一，商品推薦，產品推薦，個性化推薦，精準推薦都離不開推薦系統。智慧app推薦專案主要是使用者手機中應用商店中海量app給使用者做個性化推薦app，提高使用者體驗度。