有良多人在不合平台问我这个问题，我专门写了一篇从小白到数据专家的文章，直接贴上来给你做参考
进修大数据首先我们要进修Java说话和Linux把持体系，这两个是进修大数据的根本，进修的挨次不分前后。
大数据学习群：199427210
Java
大师都晓得Java的标的目的有JavaSE、JavaEE、JavaME，进修大数据要进修阿谁标的目的呢？只必要进修Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE标的目的的手艺在大数据手艺里用到的并不多，只必要体味就可以了，固然Java怎样毗连数据库仍是要晓得的，像JDBC必定要把握一下。
有同窗说Hibernate或Mybites也能毗连数据库啊，为什么不进修一下，我这里不是说学这些不好，而是说学这些可能会用你良多时辰，到末了工作中也不常用，我还没看到谁做大数据措置用到这两个工具的，固然你的精神很充实的话，可以学学Hibernate或Mybites的事理，不要只学API，如答应以添加你对Java把持数据库的理解，由于这两个手艺的焦点就是Java的反射加上JDBC的各类使用。
Linux
由于大数据相干软件都是在Linux上运转的，所以Linux要进修的踏实一些，学好Linux对你快速把握大数据相干手艺会有很大的辅佐，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运转情形和搜集情形设置装备安排，能少踩良多坑，学会shell就能看懂剧本如许能更随意理解和设置装备安排大数据集群。还能让你对往后新出的大数据手艺进修起来更快。
好说完根本了，再说说还必要进修哪些大数据手艺，可以按我写的挨次学下去。
Hadoop
这是如今流行的大数据措置平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面网罗几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据停止措置计较的，它有个特点就是不管多大的数据只需给它时辰它就能把数据跑完，可是时辰可能不是很快所以它叫数据的批措置。
YARN是浮现Hadoop平台概念的重要组件有了它大数据生态体系的其它软件就能在hadoop上运转了，如许就能更好的把持HDFS大存储的上风和节约更多的资源比如我们就不消再零丁建一个spark的集群了，让它直接跑在现有的hadoop yarn上面就可以了。
其实把Hadoop的这些组件学明白你就能做大数据的措置了，只不外你如今还可能对"大数据"到底有多大还没有个太清楚的概念，听我的别纠结这个。等往后你工作了就会有良多场景碰着几十T/几百T大规模的数据，到时辰你就不会感受数据大真好，越大越有你头疼的。固然别怕措置这么大规模的数据，由于这是你的价值地点，让那些个搞Javaee的php的html5的和DBA的爱戴去吧。
记住学到这里可以作为你学大数据的一个节点。
Zookeeper
这是个万金油，安装Hadoop的HA的时辰就会用到它，往后的Hbase也会用到它。它一样平常用来存放一些互相协作的信息，这些信息斗劲小一样平常不会跨越1M，都是使用它的软件对它有依靠，对付我们小我来讲只必要把它安装精确，让它正常的run起来就可以了。
Mysql
我们进修完大数据的措置了，接下来进修进修小数据的措置工具mysql数据库，由于一会装hive的时辰要用到，mysql必要把握到什么层度那？你能在Linux上把它安装好，运转起来，会设置装备安排简单的权限，改削root的密码，建树数据库。这里首要的是进修SQL的语法，由于hive的语法和这个很是类似。
Sqoop
这个是用于把Mysql里的数据导入到Hadoop里的。固然你也可以不消这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，固然消费情形中使用要注意Mysql的压力。
Hive
这个工具对付会SQL语法的来说就是神器，它能让你措置大数据变的很简单，不会再费力的编写MapReduce轨范。有的人说Pig那？它和Pig差不多把握一个就可以了。
Oozie
既然学会Hive了，我信托你必定必要这个工具，它可以帮你办理你的Hive或者MapReduce、Spark剧本，还能搜检你的轨范是否实行精确，出错了给你发报警并能帮你重试轨范，最重要的是还能帮你设置装备安排使命的依靠关系。我信托你必定会爱好上它的，不然你看着那一大堆剧本，和密密层层的crond是不是有种想屎的感受。
Hbase
这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的情势存储的并且key是独一的，所以它能用来做数据的排重，它与MYSQL比力能存储的数据量大良多。所以他常被用于大数据措置完成之后的存储目的地。
Kafka
这是个斗劲好用的行列工具，行列是干吗的？排队买票你晓得不？数据多了同样也必要排队措置，如许与你协作的其它同窗不会叫起来，你干吗给我这么多的数据（比如好几百G的文件）我怎样措置得过来，你别怪他由于他不是搞大数据的，你可以跟他讲我把数据放外行列里你使用的时辰一个个拿，如许他就不在抱怨了马上灰流流的去优化他的轨范去了。
由于措置不外来就是他的工作。而不是你给的问题。固然我们也可以把持这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来供给对数据停止简单措置，并写到各类数据接收方（比如Kafka）的。
Spark
它是用来填补基于MapReduce措置数据速度上的错误错误，它的特点是把数据装载到内存入彀较而不是去读慢的要死进化还特别慢的硬盘。特别合适做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java说话或者Scala都可以把持它，由于它们都是用JVM的。
会这些工具你就成为一个专业的大数据开发工程师了，月薪2W都是小毛毛雨
后续进步 ：固然仍是有很有可以进步的地方，比如进修下python，可以用它来编写搜集爬虫。如许我们就可以本身造数据了，搜集上的各类数据你愉快都可以下载到你的集群上去措置。
末了再进修下保举、分类等算法的事理如许你能更好的与算法工程师打交通。如许你的公司就更离不开你了，大师都市对你爱好的不要不要的。