大数据的话题近几年是越来越火了，马云曾说：21世纪的竞争是数据的竞争，谁掌握数据，谁就掌握未来！多么痛的领悟。大数据是一个很庞大的只是体系，学习的过程很枯燥，需要大量的练习、记忆、思考，我也没想着在十天半个月给大家分享完它，因为我没这个能力，但是只要坚持，付出和回报总是成正比的。

大数据是什么

大数据 = 编程技巧 + 数据结构和算法 + 分析能力 + 数据库技能 + 数学 + 机器学习 + NLP + OS + 密码学 + 并行编程

不要看他涵盖的领域非常多，我们作为一个普通人，只要学懂并精于某一个模块，就足以有自己的立身之地。

学习可分为以几个阶段：

阶段一：java基础

java是目前使用最为广泛的编程语言，它具有的众多特性，特别适合作为大数据应用的开发语言。如果您有一定的java基础，可以忽略此步，如果您没有接触过编程语言，也不要太担心，可以从网站 W3C 上一步一步来，也可以在网上找到一些比较好的博客，重要的是要有恒心，想想迎娶白富美，走向人生巅峰，这点苦是个啥。

下面给出java我们到底学什么：

1、Java编程语言（新版）
2、Java进阶之设计模式
3、J2SE核心开发实战
4、JDK 核心 API
5、JDBC 入门教程
6、java 8 新特性指南

阶段二：linux基础

在学习之前需要先掌握基本的数据库知识。比如 MySQL、MongoDB、Redis，关于这些的学习，W3C值得你信赖。大家访问一下就知道了，千万不要爱的不能自拔。

下面给出linux我们到底学什么：

1、Linux 基础入门（新版）
2、Vim编辑器
3、Git 实战教程
4、MySQL 基础课程
5、MongoDB 基础教程
6、Redis基础教程

阶段三：Scala基础

还是那句话，W3C值得你信赖，千万不要爱的不能自拔。（PS：说实话，这一部分我现在还在学习的初级阶段，如果有哪位大佬看到这篇分享，可以好好指点我一下，先在此谢过）

下面给出scala我们到底学什么:

1、Scala 开发教程
2、Scala 专题教程 - Case Class和模式匹配
3、Scala 专题教程 - 隐式变换和隐式参数
4、Scala 专题教程 - 抽象成员
5、Scala 专题教程 - Extractor

阶段四：Hadoop技术模块

Hadoop 是一款支持数据密集型分布式应用并以 Apache 2.0 许可协议发布的开源软件框架，它能搭建大型数据仓库，PB 级别数据的存储、处理、分析、统计等业务。编程语言你可以选，但 Hadoop 一定是大数据必学内容。要学习hadoop,我们首先的了解一下他的生态系统有哪些，先从整体上把控他，当然要记得W3C哦！

下面给出hadoop我们到底学什么：

1、Hadoop入门进阶课程
2、Hadoop部署及管理
3、HBASE 教程
4、Hadoop 分布式文件系统--导入和导出数据
5、使用 Flume 收集数据

想要在大数据这个领域汲取养分，让自己壮大成长。分享方向，行动以前先分享下一个大数据交流分享资源群8700///97548，欢迎想学习，想转行的，进阶中你加入学习。

java(Java se,javaweb)

Linux(shell,高并发架构,lucene,solr)

Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)

机器学习(R,mahout)

Storm(Storm,kafka,redis)

Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)

Python(python,spark python)

云计算平台(docker,kvm,openstack)

名词解释

一、Linux

lucene：全文检索引擎的架构

solr：基于lucene的全文搜索服务器，实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面。

二、Hadoop

HDFS：分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存数数据。

yarn：可以理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManager NodeManager。

MapReduce：软件框架，编写程序。

Hive：数据仓库可以用SQL查询，可以运行Map/Reduce程序。用来计算趋势或者网站日志，不应用于实时查询，需要很长时间返回结果。

HBase：数据库。非常适合用来做大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析

ZooKeeper：针对大型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，active standby切换。

Sqoop：数据库相互转移，关系型数据库和HDFS相互转移

Mahout：可扩展的机器学习和数据挖掘库。用来做推荐挖掘，聚集，分类，频繁项集挖掘。

Chukwa：开源收集系统，监视大型分布式系统，建立在HDFS和Map/Reduce框架之上。显示、监视、分析结果。

Ambari：用于配置、管理和监视Hadoop集群，基于Web，界面友好。

二、Cloudera

Cloudera Manager：管理监控诊断集成

Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop做了相应的改变，发行版本称为CDH。

Cloudera Flume：日志收集系统，支持在日志系统中定制各类数据发送方，用来收集数据。

Cloudera Impala：对存储在Apache Hadoop的HDFS，HBase的数据提供直接查询互动的SQL。

Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供所有CDH组件的shell界面的接口，可以在hue编写mr。

三、机器学习/R

R：用于统计分析、绘图的语言和操作环境，目前有Hadoop-R

mahout：提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等，且可通过Hadoop扩展到云中。

四、storm

Storm：分布式，容错的实时流式计算系统，可以用作实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。

Kafka：高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据（浏览，搜索等）。相对Hadoop的日志数据和离线分析，可以实现实时处理。目前通过Hadoop的并行加载机制来统一线上和离线的消息处理

Redis：由c语言编写，支持网络、可基于内存亦可持久化的日志型、key-value型数据库。

五、Spark

Scala：一种类似java的完全面向对象的编程语言。

jblas：一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。

Spark： Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从而不需要读写HDFS，因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作，用过Mesos的第三方集群框架可以支持此行为。

Spark SQL： 作为Apache Spark大数据框架的一部分,可用于结构化数据处理并可以执行类似SQL的Spark数据查询

Spark Streaming： 一种构建在Spark上的实时计算框架，扩展了Spark处理大数据流式数据的能力。

Spark MLlib： MLlib是Spark是常用的机器学习算法的实现库，目前(2014.05)支持二元分类，回归，聚类以及协同过滤。同时也包括一个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。

Spark GraphX： GraphX是Spark中用于图和图并行计算的API，可以在Spark之上提供一站式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。

Fortran：最早出现的计算机高级程序设计语言，广泛应用于科学和工程计算领域。

BLAS：基础线性代数子程序库，拥有大量已经编写好的关于线性代数运算的程序。

LAPACK：著名的公开软件，包含了求解科学与工程计算中最常见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。

ATLAS： BLAS线性算法库的优化版本。

Spark Python： Spark是由scala语言编写的，但是为了推广和兼容，提供了java和python接口。

六、Python

Python: 一种面向对象的、解释型计算机程序设计语言。

七、云计算平台

Docker：开源的应用容器引擎

kvm： (Keyboard Video Mouse)

openstack：开源的云计算管理平台项目

好了，先分享大数据学习的这四个阶段，如果真的想学习的大佬，就做好被折磨的准备，然后征服它，驾驭它。

了解大数据，才能更好地学习大数据相关推荐

【大数据】学习大数据前需要掌握的知识
一谈到大数据技术,很多人首先想到的是数学,大概是因为数字在数学体系中稳固的位置吧,这也是理所当然的.大数据时代已经被抄的很热了,这个行业目前已经逐渐成熟,想学习大数据开发的人越来越多.每天我们在互联网 ...
数据科学学习之数据和抽样分布
专栏/前文链接本文为笔者<数据分析与数据科学>专栏中的第二篇, 专栏的链接在这里. 第一篇博文的链接在这里. 希望本文与此专栏能够对接触,学习和研究数据科学的各位有所帮助. 本文介绍的是 ...
DAMA数据治理学习笔记-数据质量
数据质量定义为了确保满足数据消费者的需求,应用数据管理技术进行规划.实施.控制等管理活动业务驱动因素提高组织数据价值和数据利用的机会提高低质量数据导致的风险和成本提高组织效率和生产力保护 ...
DAMA数据治理学习笔记-数据治理
数据治理定义对数据资产管理行使权力.控制和共享决策(规划.监测和执行)的系列活动. 目标提升企业数据资产管理能力定义.规划.批准.执行数据管理的原则.政策.程序.指标.工具.责任. 监控和指导 ...
数据可视化学习（数据可视化基本概念）
本篇文章翻译自数据可视化入门教程数据可视化(Data Visualization)和信息可视化(Infographics)是两个相近的专业领域名词.狭义上的数据可视化指的是数据用统计图表方式呈现,而 ...
数据安全技术学习--DLP 数据防泄漏
1.DLP 数据防泄漏 Data Loss/Leakage Protection/Prevention 主要技术和产品: 文档加密. 文档权限控制.DLP产品. 数据防泄漏系统(DLP产品)深度 ...
大数据学习方法，学习大数据需要的基础和路线
大数据基础学习大数据基础入门为什么要学习大数据 1.目的:要份很好工作(钱) 2.对比:Java开发和大数据开发什么是大数据? 举例: 1.商品推荐:问题: (1)大量的订单如何存储? (2)大 ...
女生学习大数据怎么样~有前景么
当前大数据发展前景非常不错,且大数据领域对于人才类型的需求比较多元化,女生学习大数据也会有比较多的工作机会.大数据是一个交叉学科涉及到的知识量比较大学习有一定的难度,女生则有女生的优势,只要认真学习了 ...
双非电子专业，大二京东实习，大三上岸字节大数据开发实习岗，分享一波面经...
点击上方 "大数据肌肉猿"关注, 星标一起成长点击下方链接,进入高质量学习交流群今日更新| 950个转型案例分享-大数据交流群今天分享学习群同学的求职经历,他是双非电子专业, ...

了解大数据，才能更好地学习大数据