学习大数据必不可少的就是关于hadoop的知识点，那么对于刚刚接触大数据领域的小白，对于hadoop应该注意哪些呢？又改重点学习哪些知识点呢？
关于hadoop的核心是mapreduce和hdfs，所以我们就以这两个点来具体分析
首先、我们了解如何学习mapreduce
mapreduce是很多人都需要迈过去的槛，它比较难以理解，我们有时候即使写出了mapreduce程序，但是还是摸不着头脑。我们都知道mapreduce是一种编程模型，那么它能干什么，对我有什么用。它的原理是什么，为什么我们编写了map函数，reduce函数就可以在多台机器上运行，这些问题或许都给初学者带来了困扰。
那么我们就要了解：什么是mapreduce？Mapreduce的工作原理是什么？Mapreduce的工作流程是什么？Mapreduce的编程模型是什么？shuffle是什么？partition是什么？combiner是什麽？map的个数由谁来决定，如何计算？reduce个数由谁来决定，如何计算？
mapreduce熟悉了，还有一些问题困扰着初学者，虽然有了Java基础，但是我们需要搭建开发环境，该如何搭建开发环境？那么就需要我们学习Windows上如何使用Eclipse远程连接Hadoop并进行程序开发，因为在操作mapredcue过程中伴随着操作hdfs，就像我们传统开发，编程是离不开数据库一样。hdfs可以理解为传统编程的数据库，但是其实他不是，真正的数据库是hadoop data base，也就是hbase。
其次，我们来了解如何学习hdfs
关于HDFS：我们至少应该学习这些内容：什么是HDFS及HDFS架构设计？HDFS体系结构简介及优缺点？Hdfs如何存储数据？Hdfs如何读取数据？Hdfs如何写入文件？Hdfs的副本存放策略？如何访问hdfs？Hdfs数据如何复制？Namenode的热备？hadoop生态系统内容还是比较多的，但是最常用的是hive，hbase。
当然，Hive是初学者进入大数据（hadoop）行业最好的选择入口，因为它提供了简单的类sql语句，使得不懂得mapreduce程序编写的学员也能够很轻松的进入大数据行业。所以建议大家（尤其是零基础的学员）在学习hadoop的过程中，可以着重加强对hive的学习，尤其是hive语句的熟练操作。当然对于有数据库基础的学员学习hive就更容易一些。
Hbase是一种nosql数据库，只有当数据量非常大时，比如TB、PB级，hbase才能发挥出很好的效果，所以对于致力于加入大公司的学员，可以深入学习hbase，尤其是hbase表的设计，rowkey的设计，hbase性能的调优，hbase和hive、impala的结合等。
对于hadoop其他的组件：比如海量日志收集工具flume，数据导入导出工具sqoop，应用程序协调服务zookeeper，学员可以结合实战项目学习其原理，如何使用即可。
对于想从事数据挖掘的学员，可以深入学习mahout、机器学习、算法等相关知识，根据自己的职业选择和兴趣爱好自主选择，建议零基础的学员最好是先从hive入手。
Storm是一种基于流的计算框架，spark是基于内存的计算框架，它们是不同于mapreduce的计算框架，但作用都是对数据的处理和分析，建议初学者在学习好mapreduce的前提下，可以对storm和spark进行深入的学习，切记贪多嚼不烂。通而不精。
如果想更加深入的学习，丰富自己的知识，可以选择性的学习一下shell、python脚本语言，Redis、MongoDB等nosql数据库，如果想做hadoop运维的，也可以学习ganglia和nagios等监控工具。
大数据学习讲究一个循序渐进的过程，没有人能够一蹴而就，所以，对于求学者尤其是小白而言，最为重要的就是有一颗踏实的心，能够安安静静的学习，一步一步踏踏实实的学习，只有这样，学习大数据才能够更加快速，而自己最终也能够成为大数据界真正的大牛。