大数据给很多人的感觉是，专业性强，操作繁琐，属于“高大上”的技术。大数据人才供不应求，有一些人则看到了大数据带来的机遇，想通过专业的培训来学习大数据，那么大数据从0开始需要学习些什么内容呢？今天加米谷大数据就来说一下。

一、0基础学习大数据需要Java基础

Java：开发需求最多的编程语言之一，可以从事网站开发、桌面程序设计、游戏开发、安卓后台开发、全栈开发等。它可以说是大数据最基础的编程语言，一是大数据的本质是海量数据的计算，查询与存储，后台开发很容易接触到大数据量存取的应用场景；二是Java天然的优势，大数据的组件很多是用Java开发的。

零基础小白想学习大数据，需要从Java基础开始学起，可以把Java语言作为第一个入门语言。一般来说，学会JavaSE就可以了，但能掌握JavaEE的话会更好。

JavaSE：变量、循环、if等等；面向对象；I/O输入和输出（HDFS会用到）；反射、泛型，MR查询；JDBC：操作关系型数据库（RDBMS）（HIVE会用到）。

：如果你对于大数据开发感兴趣，想系统学习大数据的话可以戳我加入大数据技术学习交流群，私信管理员即可免费领取开发工具及视频入门学习资料

二、大数据需要学习Linux系统管理、Shell编程设计、Maven

Linux是一套免费使用和自由传播的类Unix操作系统，是一个基于POSIX和UNIX的多用户、多任务、支持多线程和多CPU的操作系统。Shell是一个用C语言编写的程序，它是用户使用Linux的桥梁；Shell既是一种命令语言，又是一种程序设计语言。Shell是一个命令解释器，解释执行用户所输入的命令和程序。Maven是一个项目管理工具，可以通过一小段描述信息来管理项目的构建，报告和文档的项目管理。

大数据技术往往运行在Linux环境下，大数据的分布式集群（Hadoop，Spark）都是搭建在多台Linux系统上，对集群的执行命令都是在Linux终端窗口输入......想从事大数据相关工作，需要掌握Linux系统操作方法和相关命令。

Linux：Linux安装、CentOS、目录结构（文件类型、权限、用户命令）、Linux命令、基本操作-SQL基础：Select（重点）insertupdatedelete（Hive、SparkSQL会用到）等；大数据的终极目标：使用SQL分析大数据。

Shell：变量、if条件判断语句、shell函数、Case条件语句、while循环和until型循环、for循环和select循环、条件与循环控制及状态返回值、shell数组等。

对于Java程序员，大数据的主流平台hadoop是基于Java开发的，所以Java程序员往大数据开发方向转行从语言环境上更为顺畅，另外很多基于大数据的应用框架也是Java的，所以在很多大数据项目里掌握Java语言是有一定优势的。

当然，hadoop核心价值在于提供了分布式文件系统和分布式计算引擎，对于大部分公司而言，并不需要对这个引擎进行修改。这时候除了熟悉编程，你通常还需要学习数据处理和数据挖掘的一些知识。尤其是往数据挖掘工程师方向发展，则你需要掌握更多的算法相关的知识。

对于数据挖掘工程师而言，虽然也需要掌握编程工具，但大部分情况下是把hadoop当做平台和工具，借助这个平台和工具提供的接口使用各种脚本语言进行数据处理和数据挖掘。因此，如果你是往数据挖掘工程方向发展，那么，熟练掌握分布式编程语言如scala、spark-mllib等可能更为重要。

Java程序员转大数据工程师的学习路线图：

第一步：分布式计算框架

掌握hadoop和spark分布式计算框架，了解文件系统、消息队列和Nosql数据库，学习相关组件如hadoop、MR、spark、hive、hbase、redies、kafka等；

第二步：算法和工具

学习了解各种数据挖掘算法，如分类、聚类、关联规则、回归、决策树、神经网络等，熟练掌握一门数据挖掘编程工具：Python或者Scala。目前主流平台和框架已经提供了算法库，如hadoop上的Mahout和spark上的Mllib，你也可以从学习这些接口和脚本语言开始学习这些算法。

第三步：数学

补充数学知识：高数、概率论和线代

第四步：项目实践

1)开源项目：tensorflow：Google的开源库，已经有40000多个star，非常惊人，支持移动设备；

2)参加数据竞赛

3)通过企业实习获取项目经验

如果你仅仅是做大数据开发和运维，则可以跳过第二步和第三步，如果你是侧重于应用已有算法进行数据挖掘，那么第三步也可以先跳过。