献给初学者：谈谈如何系统学习大数据？

很多初学者在萌生向大数据方向发展的想法之后，不免产生一些疑问，应该怎样入门?应该学习哪些技术?学习路线又是什么?

所有萌生入行的想法与想要学习Java的同学的初衷是一样的。岗位非常火，就业薪资比较高,，前景非常可观。基本都是这个原因而向往大数据，但是对大数据却不甚了解。

如果你想学习，那么首先你需要学会编程，其次你需要掌握数学，统计学的知识，最后融合应用，就可以想在数据方向发展，笼统来说，就是这样的。但是仅仅这样并没有什么帮助。

 

现在你需要问自己几个问题：

对于计算机/软件，你的兴趣是什么?

是计算机专业，对操作系统、硬件、网络、服务器感兴趣?

是软件专业，对软件开发、编程、写代码感兴趣?

还是数学、统计学专业，对数据和数字特别感兴趣。

你自己的专业又是什么?

如果你是金融专业，你可以学习，因为这结合起来你自己的专业，将让你在只有你专业知识的竞争者之中脱颖而出，毕竟现在AI+已经涉及到金融行业了。

说了这么多，无非就是想告诉你，大数据的三个大的发展方向：

平台搭建/优化/运维/监控;

大数据开发/ 设计/ 架构;

数据分析/挖掘。

请不要问我哪个容易，只能说能挣钱的都不简单。

说一下大数据的四个典型的特征：

数据量大;

数据类型繁多，(结构化、非结构化文本、日志、视频、图片、地理位置等);

商业价值高，但需要在海量数据之上，通过数据分析与机器学习快速的挖掘出来;

处理时效性高，海量数据的处理需求不再局限在离线计算当中。

现如今，为了应对大数据的这几个特点，开源的大数据框架越来越多，越来越强，先列举一些常见的：

文件存储： N、Mesos

日志收集：Flume、Scribe、Logstash、Kibana

消息系统：Kafka、StormMQ、ZeroMQ、RabbitMQ

查询分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid

分布式协调服务：Zookeeper

集群管理与监控：Ambari、Ganglia、Nagios、Cloudera Manager

数据挖掘、机器学习：Mahout、Spark MLLib

数据同步：Sqoop

任务调度：Oozie

是不是眼花缭乱了，上面的这些内容，别谈精通了，就算全部都会使用的，应该也没几个。咱们接下来就大数据开发/ 设计/ 架构方向来了解一下学习路线。

在接下的学习中，不论遇到什么问题，先试试搜索并自己解决。Google首选，其次百度。

于入门者而言，官方文档永远是首选文档。

 

互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程，大数据学习群：199加上【427】最后加上210就可以找到组织学习  欢迎进阶中和进想深入大数据的小伙伴加入。

第一章：Hadoop

在大数据存储和计算中Hadoop可以算是开山鼻祖，现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。

关于Hadoop，你至少需要搞清楚这些是什么：

Hadoop 1.0、Hadoop 2.0

MapReduce、HDFS

NameNode、Dat