虽然网上也有很多的学习路线，很多的方法建议，各类不同的工具，但是找到属于自己的才是最好的。下面我就来详细说下我的学习路线吧。
我还是要推荐下我自己创建的大数据资料分享群142973723，这是大数据学习交流的地方，不管你是小白还是大牛，小编都欢迎，不定期分享干货，包括我整理的一份适合零基础学习大数据资料和入门教程。
一、基础阶段
1、开始大数据学习之前，首先要把基础打好。我在学习大数据的过程中，学习的准备部分主要包括Java，Linux和MySQL的学习。具体的学习时间，就因人而异了。比如我有很好的C语言基础，我虽然第一次学习面向对象编程，但是编程的思路方面我还是很熟悉的。因此，我学习Java的时间，只需要2个星期即可。如果有经验的话，你会发现，学习Java的目的，主要包括以下这些方面：
a、熟悉编程思路，面向对象思想；
b、增加对集合，多线程，I/O，设计模式的理解
c、熟练使用类，接口，为后续各类自定义编程打下基础。
2、Linux的学习。作为开发人员，就要有开发人员的样子，你要是还天天玩windows，那就比较low了。因此，黑窗口才是真爱。作为开发人员主要使用的操作系统，linux是一切的基础。很多大数据的软件，操作，都是基于linux的。有余力的朋友，建议linux的学习时间可以定为3周左右，当然学的越好以后帮助越大。Linux的学习主要包括了以下方面：
a、Linux的基本命令，这个是跑不掉的。命令的查询，软件的解压缩，安装，各类操作的基本命令。
b、Shell脚本的编写。很多时候，命令不是自己一行行去敲的。作为一个程序员，必须尊重效率。能机器去做的事情，坚决不自己动手。脚本的编写，不仅是解放手写代码的开始，更是一个程序员的基本素养。
3、数据库的学习。不会数据库的程序员，就等于耍流氓。天天和数据打交道，你告诉我你不会数据库，这不是开玩笑嘛！当然作为大数据工程师，我们会接触各种各样的数据库，MySQL，oracle，DB2,等。作为初期的学习，MySQL是最佳的选择，装个客服端软件，简单上手。一两天就可以建立起你对数据库的认识。而作为大数据工程师，在数据库上的学习则要深刻的多，建议没接触过数据库的朋友，花上2至少两周，把MySQL玩到手软。作为前期基础准备阶段，你首先需要了解以下方面：
a、数据库的基本操作，增删改查，条件过滤，连表查询，窗口函数等。
b、JDBC的连接，扩展数据库的功能。
c、数据库的扩展知识，存储结构，要学好大数据，数据库能学多好就学多好。
二、核心阶段
大数据的学习，都是从对分布式思想的认识开始的。而目前最好的认识分布式思想的方法，就是对hadoop的深刻理解。hadoop的核心组件分为四大部分，分别为：HDFS,Yarn，Mapreduce和COMMON。下面大概介绍下这几个组件的学习。
1、HDFS的学习，核心思想就是对分布式的理解。详细的来说，要做到以下几个方面的认识：HDFS的架构；HDFS的读写流程；HDFS的容错机制；心跳机制；机架感应；数据块等。对以上流程，不仅要了解为什么，最好还能通过源码去分析，了解其设计原理，源码的阅读，不仅可以提高你的认识，更可以让你在后期的学习中，工作中，轻松通过修改源码解决各类问题。
2、Mapreduce的学习。分布式的计算框架，后期学习到的很多分布式计算都是借鉴了mapreduce的思想。mapreduce的计算分为map和reduce阶段。其学习可以从一个简单的wordcount程序开始。mapreduce的学习要深入分析源码，对其map，shuffle，reduce阶段进行深刻的理解。其中涉及到的各类组件，包括输入输出组件，combiner，mapper，reducer，shuffle，partitioner都要深入的学习。这里面涉及到的知识很多都会在工作的业务中碰到。如topN问题，自定义输入输出，二次排序问题，分区的使用等。
3、Yarn的学习。分布式资源调度组件。其核心是各类调度器，包括FIFO,Capacity，和 Fair调度器。了解其架构，增进对resourcemaneger和nodemanager，container，applicationmaster的理解等。后台启动线程jobtracter，testtracter等了解。
4、common组件，网上资源较少，用的也不错。主要是提供底层支持和工具。大概看看就好。
以上三大核心，就是hadoop原生最主要的部分。关于其起源，有时间的话，建议阅读下google的三篇开源论文-bigtable，GFS，和mapreduce。该阶段的学习尤为重要，对于思想的转变，对大数据学习的认识，以及后续学习的支持都至关重要。因此，建议多花些时间，4-5周的时间深刻的理解。通过以上的学习，就能够搭建起一个简单的分布式集群了。对于更高层次的要求，请继续往下看。
三、HA集群的搭建及其工具支持
完成对大数据的学习，研究hadoop的核心组件是最完美的路径。但是要提升自己的认识，满足企业的用人要求，就必须更进一步的深入。没有那个企业是搭一个伪分布，或者分布式集群就开始搞大数据的。因此，我们需要继续往下研究。
为了，保障集群的安全，企业中至少搭建的也是HA-高可用集群。2个至多个（hadoop3.0特性）主节点。HA集群的搭建，就设计到选主的问题，这就需要引入zookeeper。而大数据存储的问题，又引出了HBase，实时高效查询引出了redis。开发效率的需要，引出了Hive-基于mapreduce的sql数据仓库，azkaban任务流调度，sqoop数据迁移工具等。围绕着hadoop，衍生出的各类技术和工具，只要是业务中用的上的，作为大数据工程师，我们都需要去了解。下面我就从学习的角度，大概介绍下这些工具的使用。
1、zookeeper–分布式应用程序协调服务。
在聊到zookeeper的时候，很多初学者会以为zookeeper只是一个普通的应用程序协调服务，其实不然。虽然zookeeper学习起来比较简单，主要了解下他的znode节点，选举机制，了解下zookeeper的监听机制，锁机制。但是zookeeper确实hadoop生态中唯一无法被取代的模块。其最主要原因就是他是整个生态体系的协调者，只要需要监听，需要选主，都需要借助zookeeper的力量。分布式系统的容错机制，高可用机制，全都依靠的是zookeeper的力量。因此，对于zookeeper的学习，需要对其所有功能做到理解的十分透彻，对之后的学习将会产生极大的帮助。对于zookeeper的学习，请花上一周的时间。
2、Hive-基于mapreduce的类sql操作。极大的简化mapreduce的学习。通过几十行代码编写的mapreduce程序，经常只需要几个sql语句就可以搞定。这对程序员来说绝对是充满了诱惑的。想要成为一名大数据工程师，总不能先累死在mapreduce的编写上吧。所以hive是必须学好的一门技术。后期的数据清洗，将会大量的用到hive。hive学的好的朋友，直接就可以靠它吃饭。后期学习中，诸如HBase，mysql等，很多数据库中的东西，都需要导入到hive中进行处理。hive算是数据库与分布式计算之间的一个高速桥梁。常规的学习，一周时间即可。建议两周的学习时间，以达到企业的用人标准。
3、HBase的学习–高可用，分布式，基于列，适用于结构化和非结构化数据的存储系统。HBase的列式存储，非常的有意思。其基于rowkey，和列簇的存储与其表设计，极大的提高了查询效率和存储效率。HBase的存在，将数据库存储的容量从几百万行提高到了数十亿行，数百万列。真正的满足了大数据中大量数据的存储问题。Hbase存储也是分布式的，以Hregion为单位，会事先变现HLog。细分的话，每个Hregion包含多个hstore，memstore等。其架构包括zookeeper，Hmaster和Hregionserver。对HBase的学习，可以极大的拓宽你对数据库的了解，加深对分布式存储的理解。建议有时间的朋友可以学习1周，深刻理解下。
4、SQOOP的学习。—数据迁移工具。通常数据的存储是根据其特点，存储在不同的数据库中。工作中经常会遇到数据，大量数据之间的迁移。这时候，sqoop是我们最佳的选择。sqoop能够完成数据在hive，mysql，hbase，hdfs之间的迁移。通过直接的导入，或者编写api的方式，都能够完成。建议学习大数据的朋友，不想在工作中因为数据的出库入库而头疼的话，花上几天时间看看SQOOP。
5、flume–日志收集系统。数据的重要来源之一，就是收集日志。这一点在各大电商平台，尤为突出（当然花钱买也是土豪的不错选择）。flume软件的使用，能够解决你的数据来源问题。对于flume的学习，请从agent开始了解，去解析其每一个source，channel和sink的原理，及多个agent的组合方式。主要都是通过配置文件的方式进行配置。花上一两天，在自己的集群上演示一两次，十分的有必要。
6、kafka–消息中间件，高吞吐量的消息分布式订阅系统。kafka的架构虽简单，分为消费者，生产者和kafka集群。但是其作用巨大。比如电商的日志收集系统中，某些高峰时段，日志的收集和处理往往因为无法同步而造成数据丢失。kafka能够很好的解决这个问题。通过消息的发布订阅模式，能够很好的保持消息的可靠性，提供多个结构，多种消息消费模式。
7、redis基于内存存储的数据库。能够高效的进行数据的增删改查。当然也支持数据的持久化。在实时的读写环境中，效果极其显著。作为一个高性能的key-value数据库，其操作简单的，快速的特性，十分的受程序员的喜爱。而且还支持发布定于哦。后续对spark有兴趣的同学，一定愿意花时间学习学习redis。我相信一两天的学习，就会让你对redis爱不释手。
8、Azkaban–任务流调度工具。主要通过编写脚本你的方式，让你的工作更轻松。因为在企业中用的到，所以建议想要成为大数据工程师的朋友们还是花时间学习下。有编写shell脚本基础的朋友，azkaban的学习就小菜一碟了。当然简单的任务流调度，请用crontab就好。杀鸡就不要用牛刀了。否者你也可以上oozie。
9、Maven–项目搭建工具。简单的为节省你的时间。其依靠依赖方式导入jar，可以大大的减少因jat带来的问题，让你的项目搭建更加的随心所欲。一天时间，从此不再担心jar包问题。
10、git/svn–版本控制系统。这是为了让作为外行的你，显得更加专业而加入的学习内容。但是要注意的是，两者之间是存在较大的区别的。大概聊下两者之间的区别，方便朋友的选择。git是分布式的，而svn不是。git没有全局的版本号，svn有。git按元数据方式存储，而svn存储文件。svn不适合分支中再开分支，否者影响全世界，一个分支就是一个完整目录。而git中可以在自己的本地库无线开启分支。
以上就是我对大数据离线数据分析学习路线的一个认识。大体上，想学习大数据的朋友，按照上面的方式学习的话， 可以建立一个对大数据工程师的基本认识，达到一个初级大数据工程师的标准-当然，请把里面的关键部分都理解的深刻，技术操练到极致。学习加上实战，通过一两个项目的实战，相信大家都可以很好的掌握大数据基本技术。加油啦！
最后提一点，大数据的学习，最重要的是两点：
一、兴趣。如何判断自己是否有兴趣呢？当你看完我写的这一大段，发现自己口水直流的时候，就代表你是有兴趣的啦。
二、学习能力，这其中最重要的就是收集信息的能力。不懂的知识点，就多查网络资料。一个人讲得你听不懂，你就听另外一个人讲得。网络资源这么多，总有一个你喜欢的。