大数据有很多方向，目前我们口中经常说的大数据的主要就业方向是：大数据研发，大数据分析与挖掘，深度学习，人工智能等方向。

下面我们就从学习的要求到学习的知识进行讲解

一、要求

1、大专及以上学历，最好是理工科毕业（部分文科学生学习起来比较费力）

2、年龄20-32岁

二、需要学习的知识

1、基础知识:java+linux

• 学习大数据，只需要学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下，有同学说Hibernate或Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybites的原理，不要只学API，这样可以增加你对Java操作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。

• Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

2、大数据技术：hadoop-hive-oozie-web-flume-python-hbase-kafka-scala-spark

Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。YARN是体现Hadoop平台概念的重要组件有了它大数据生态体系的其它软件就能在hadoop上运行了，这样就能更好的利用HDFS大存储的优势和节省更多的资源比如我们就不用再单独建一个spark的集群了，让它直接跑在现有的hadoop yarn上面就可以了。其实把Hadoop的这些组件学明白你就能做大数据的处理了，只不过你现在还可能对"大数据"到底有多大还没有个太清楚的概念，听我的别纠结这个。等以后你工作了就会有很多场景遇到几十T/几百T大规模的数据，到时候你就不会觉得数据大真好，越大越有你头疼的。当然别怕处理这么大规模的数据，因为这是你的价值所在，让那些个搞Javaee的php的html5的和DBA的羡慕去吧。

记住学到这里可以作为你学大数据的一个节点。

• Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

• Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那？你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

• Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

• Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那？它和Pig差不多掌握一个就可以了。

• Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

• Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

• Kafka：这是个比较好用的队列工具，队列是干吗的？排队买票你知道不？数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据（比如好几百G的文件）我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方（比如Kafka）的。

• Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

作者：青牛

来源：知乎

大数据相对现在的系统开发要难很多，因为数据里面杂乱无章的事情太多了，而且不像开发那么有章法，如果要学大数据，那么应该确定自己想发展的方向，比如是数据处理，还是数据挖掘，或者与数据相关的软件开发。但是随着大数据领域的生态专体系逐渐完善，大数属据技术逐渐从研发领域向应用领域过渡，所以对于零基础的学习者来说，也能够找到适合自己的切入点。

学习内容：

基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。

hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。

大数袭据存储阶段：hbase、hive、sqoop。

大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。

大数据实时计算阶段：Mahout、Spark、storm。

大数据数据采集阶段：Python、Scala。

大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。

您好，大数据学习一般分为6个阶段

第一阶段
JavaSE基础核心版
第二阶段
数据权库关键技术
第三阶段
大数据基础核心
第四阶段
Spark生态体系框架&大数据精选项目
第五阶段
Spark生态体系框架&企业无缝对接项目
第六阶段
Flink流式数据处理框架
大数据是最近几年新兴的专业，发展的前景是非常好的，选择大数据是没有错的！

有一点难度，具体的你可以参考网上的课程来进行或者咨询当地的咨询老师

大概要学习下面的内容：

Java基础中的知识点主要有：Java基础语法、面向对象编程、常用类和工具类、集合框架体系、异常处理机制、文件和IO流、移动开户管理系统、多线程、枚举和垃圾回收、反射JDK新特性、通讯录系统。

JavaEE核心中的知识点主要有：前端技术、数据库、JDBC技术、服务器端技术、 Maven、Spring、SpringBoot、Git。

Hadoop生态体系中的知识点主要有：Linux、Hadoop、ZooKeeper、Hive、HBase、 Phoenix、Impala、Kylin、Flume、Sqoop&DataX、Kafka、Oozie&Azkaban、Hue、智慧农业数仓分析平台。

Spark生态体系中的知识点主要有：Scala、Spark、交通领域汽车流量监控项目、Flink。

大数据是现今发展的一大趋势，就业前景广阔，工资待遇较好，也是现在很多人选择这个岗位的原因之一。大数据体系庞大，包括的知识很多，所以想要进入大数据这个行业还是需要进行大数据培训学习的。尤其是零基础的人，大部分都是通过大数据的培训学习进入到这个行业的。

一、 大数据培训需要多久

由于大数据需要学习的东西比较多，而其在编程培训学习中的难度也是相比较大的，所以学习时间也稍长一点，一般的在大数据培训机构进行学习大数据技术的时长大概在5-6个月的时间。如果是自习的还需要是时间可能会更长一点需要大概一年的时间，有基础的而且比较好的话那么时间可能更短一些一俩个月甚至更短。

二、 大数据的待遇如何

说到大数据的待遇，大家一定都是很想知道的，毕竟多数人来参加大数据培训学习要进入大数据行业的原因就是大数据的发展前景比较好，而其待遇也是很好的。大数据的待遇如何一般有以下几个方面决定。

1.学历

学历越高对于大数据岗位的待遇也就相对会越好一些，就是其它岗位基本也都是这样的情况。

2.掌握的大数据技术

既然是大数据的工作，所以必然要会大数据相关的技术知识，大数据知识掌握的越多，核心知识的应用越熟练，那么在待遇方面也是越好的。

3.大数据工作年限

其实，工作年限越长相应的掌握的技术也就会越多，最主要的是积累是经验也是越多的，工作后出现的问题就会越少，带来的利润越大。