大資料知識體系，大資料學習路線圖
大資料方向的工作目前分為三個主要方向:
01.大資料工程師
02.資料分析師
03.大資料科學家
04.其他（資料探勘本質算是機器學習，不過和資料相關，也可以理解為大資料的一個方向吧）
自己建的大資料學習交流群:199427210，群裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入,大家都是軟體開發黨，不定期分享乾貨（只有大資料軟體開發相關的），包括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，歡迎進階中和進想深入大資料的小夥伴加入。
大資料工程師詳細的學習的計劃，分享給大家，希望對你們有幫助。
第一階段：靜態網頁基礎（HTML+CSS）
1. 難易程度：一顆星
2. 主要技術包括：html常用標籤、CSS常見佈局、樣式、定位等、靜態頁面的設計製作方式等
第二階段：JavaSE+JavaWeb
1. 難易程度：兩顆星
2. 主要技術包括：java基礎語法、java面向物件（類、物件、封裝、繼承、多型、
抽象類、介面、常見類、內部類、常見修飾符等） 、異常、集合、檔案、IO、
MYSQL(基本SQL語句操作、多表查詢、子查詢、儲存過程、事務、分散式事務)
JDBC、執行緒、反射、Socket程式設計、列舉、泛型、設計模式
第三階段：前端框架
1. 難易程式：兩星
2. 主要技術包括：Java、Jquery、註解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui
第四階段：企業級開發框架
1. 難易程式：三顆星
2. 主要技術包括：Hibernate、Spring、SpringMVC、log4j slf4j 整合、myBatis、struts2、Shiro 、redis、流程引擎activity， 爬蟲技術nutch,lucene，webService CXF、Tomcat叢集和熱備 、MySQL讀寫分離
第五階段： 初識大資料
1. 難易程度：三顆星
2. 主要技術包括：大資料前篇（什麼是大資料，應用場景，如何學習大資料庫，虛擬機器概念和安裝等）、Linux常見命令(檔案管理、系統管理、磁碟管理)、Linux Shell程式設計（SHELL變數、迴圈控制、應用）、Hadoop入門（Hadoop組成、單機版環境、目錄結構、HDFS介面、MR介面、簡單的SHELL、java訪問hadoop）、HDFS(簡介、SHELL、IDEA開發工具使用、全分散式叢集搭建)、MapReduce應用(中間計算過程、Java操作MapReduce、程式執行、日誌監控)、Hadoop高階應用(YARN框架介紹、配置項與優化、CDH簡介、環境搭建)、擴充套件(MAP 端優化，COMBINER 使用方法見,TOP K,SQOOP匯出,其它虛擬機器VM的快照,許可權管理命令,AWK 與 SED命令)
第六階段：大資料資料庫
1. 難易程度：四顆星
2. 主要技術包括：Hive入門（Hive簡介、Hive使用場景、環境搭建、架構說明、工作機制）、Hive Shell程式設計（建表、查詢語句、分割槽與分桶、索引管理和檢視）、Hive高階應用(DISTINCT實現、groupby、join、sql轉化原理、java程式設計、配置和優化)、hbase入門、Hbase SHELL程式設計(DDL、DML、Java操作建表、查詢、壓縮、過濾器)、細說Hbase模組（REGION、HREGION SERVER、HMASTER、ZOOKEEPER簡介、ZOOKEEPER配置、Hbase與Zookeeper整合）、HBASE高階特性(讀寫流程、資料模型、模式設計讀寫熱點、優化與配置)
第七階段：實時資料採集
1. 難易程式：四顆星
2. 主要技術包括：Flume日誌採集，KAFKA入門（訊息佇列、應用場景、叢集搭建）、KAFKA詳解（分割槽、主題、接受者、傳送者、與ZOOKEEPER整合、Shell開發、Shell除錯）、KAFKA高階使用（java開發、主要配置、優化專案）、資料視覺化（圖形與圖表介紹、CHARTS工具分類、柱狀圖與餅圖、3D圖與地圖）、STORM入門（設計思想、應用場景、處理過程、叢集安裝）、STROM開發（STROM MVN開發、編寫STORM本地程式）、STORM進階（java開發、主要配置、優化專案）、KAFKA非同步傳送與批量傳送時效，KAFKA全域性訊息有序，STORM多併發優化
第八階段：SPARK資料分析
1. 難易程式：五顆星
2. 主要技術包括：SCALA入門(資料型別、運算子、控制語句、基礎函式)、SCALA進階(資料結構、類、物件、特質、模式匹配、正則表示式)、SCALA高階使用（高階函式、科裡函式、偏函式、尾迭代、自帶高階函式等）、SPARK入門(環境搭建、基礎結構、執行模式)、Spark資料集與程式設計模型、SPARK SQL、SPARK 進階（DATA FRAME、DATASET、SPARK STREAMING原理、SPARK STREAMING支援源、整合KAFKA與SOCKET、程式設計模型）、SPARK高階程式設計（Spark-GraphX、Spark-Mllib機器學習）、SPARK高階應用（系統架構、主要配置和效能優化、故障與階段恢復）、SPARK ML KMEANS演算法，SCALA 隱式