大數據學習指南

HI~ , 很多朋友在第一篇文章發布後，給數據君反饋了2了問題：

問題一：能不能更換一下公號的名稱，太沒意思了。例如：大牛、二狗子…？

回 答：沒有問題。（我最近好好想想…）

問題二：學習大數據，直接學習需要什麼基礎嗎？

回 答：當然要啊，我們在給企業的JAVA工程師人員進行大數據短訓，他們學習起來效果很好，大家去看看Hadoop是拿什麼開發的？對沒錯java！

問題三：好多朋友私信數據君說，如何學習大數據，能不能想學習java一樣去報一個什麼培訓班？

回 答：以下是一個大體的學習思路，大家可以借鑒。

至於報培訓班，這個數據君還真不好說，某大企業的朋友說，通過某些培訓機構招收一批號稱大數據工程師，結果都是對Hadoop略懂… … 結果可想而知，據我的了解目前企業都很缺乏大數據工程師的人才，給出的薪水待遇那是非常的可觀呀，培訓機構應該支付不起這樣人才的工資...

當然我還有個辦法，你可以通過面試等環節入職我們公司，公司內部員工可是有大把的資料庫...

好了，開始今天的大數據之旅，本期為大家提供學習大數據的大綱思路

我們在為軟體企業提供技術支持，主要分為以下四個部分：

一、大數據基礎部分

Linux操作系統的平台熟練使用，當然Shell編程是必須的；能夠基Linux系統平台進行java開發環境的搭建（java技術已經很普及了，JavaSE、JavaEE你要會喲！）；redis資料庫必要掌握的技術；差點忘記了，還有一個叫zookeeper的分散式協調服務技術；

二、Hadoop離線計算

Hadoop是一個分散式系統基礎架構，由Apache基金會基於java開發。用戶可以在不了解分散式底層細節的情況下，開發分散式程序。充分利用集群的威力高速運算和存儲。

Hadoop中有2個中位置重要的技術：

Hadoop Distributed File System(Hadoop分散式文件系統)即HDFS和MapReduce；其中MapReduce是Google的一項重要技術，它是一個編程模，用以進行大數據量的計算，MapReduce的名字源於這個模型中的兩項核心操作：Map和Reduce；

Hadoop中附加技術

三、Storm流式計算

首先要搞定的是對消息隊列的理解、Kakfa核心組件、集群部署實戰及常用命令、文件存儲機制分析 ；在該階段最終要能夠完成：Flume+Kafka+Storm+Redis技術的整合。

四、Spark

Scala編程技術、Spark SQL的應用技術、SparkStreaming技術，當然學習能一定要知其所以然，Spark核心源碼解析

好啦，就到這裡啦。我去碼代碼了！對了，想給大家傳播技術的時候，突然覺得文科功底太差是一件多麼悲催的事情，哈哈！

通過以下二維碼，關注數據君的技術文章

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！