大資料應該學什麼？如果是有基礎就根據個人情況來定，如果是零基礎想學習大資料，大資料要學的東西有很多，下面列舉了一些學習大資料就該學習的技術，許多想學習大資料不知道大資料應該學什麼的，可以參考一下。

首先學習大資料，先了解什麼是大資料，瞭解大資料大概的運用，自己是否對大資料感興趣，因為學門技術剛開始不是一件易事，需要有足夠的決心和毅力，要知道半途而廢，這樣浪費時間精力、還浪費金錢。所以想學大資料，就需要對大資料有一個大概的認識。

​第一階段

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，計算機程式語言有很多，Java是目前使用最為廣泛的網路程式語言之一。大資料技術學習前需要一定的Java技術作為基礎支援，Java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。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。

第二階段

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。

網際網路科技發展蓬勃興起，人工智慧時代來臨，抓住下一個風口。為幫助那些往想網際網路方向轉行想學習，卻因為時間不夠，資源不足而放棄的人。我自己整理的一份最新的大資料進階資料和高階開發教程，大資料學習群：868847735   歡迎進階中和進想深入大資料的小夥伴加入。

大資料的基礎路線

要學習Java語言和Linux作業系統，這兩個是學習大資料的基礎，學習的順序不分前後。

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、Struct、Spring、Hibernate，Mybites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資料的批處理。

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。

大資料是未來的發展方向，正在挑戰我們的分析能力及對世界的認知方式，因此，我們與時俱進，迎接變化，並不斷的成長!