如何学习大数据以及学习曲线

Hadoop、spark都是一个生态，2者是一个互补的关系，2者有很多相似的部分。

hadoop实现了一个分布式文件系统-高延迟批处理大吞吐-hadoop的mapreduce程序用Java写

Spark基于内存计算的开源的集群计算平台-低延迟小文件处理-spark的mapreduce程序用scala写

学习spark最好有些hadoop的知识，至少目前hadoop是大数据的既定事实标准，spark要处理的数据大部分是在hadoop上，如HDFS、hive、hbase；还有spark standalone集群在生产上很少使用，一般都是将Spark应用程序发布在YARN或MESOS上。另外spark发展很快，几大hadoop厂商纷纷将一些项目转向spark。