学好数学。 无论是你所憧憬的金融业，还是数据处理的相关行业，数学都是基础中的基础。在大学，你会接触微积分，线性代数这些基础课程。 如果你希望成为数据处理方面的专家，统计的知识必不可少， 可以修概率论和数理统计作为入门。 再者，在上大学之前我也抱着本科学金融的想法，或者企业管理，因为那样的职位看似在金字塔的顶端。 但实际上中国高校金融专业的学生数不胜数，管理类关于亦是，而教学质量并不高。 复旦的学历决定了你的起点会比其他毕业生高，但不代表你能走的更远。学好数学，你将会有足够的资本深造金融，或者做其他选择，数据科学家，软件工程师…
今天为大家整理了部分大数据学习教程与大家共享，每个人可以根据自己的需要来选择，需要的小伙伴可以+下学习资料分享裙 199加上427最后是210数字连起来就是了。
- 多阅读。 高中时代你的重心应该是放在高考上，阅读课外书的时间对学生是一种奢侈。 不管你将来从事什么行业，光靠考试高分是不行的，社交能力，生活态度，个人视野都是你的竞争力。 如果你在大学中有闲暇时光（实际上再忙也能抽出时间来），那么请多读书。 你的生活会因为读书而跟身边的人不同，相信我。
- 至少精通一到两门计算机编程语言。 很多职业没有明确的界限，比如软件工程师同样要懂高数，数学科学家要会编程。 如果你相信大数据会是未来一个有前途的行业，那么掌握编程语言也是必要的。 非CS类学生可能会对编程重视不够， 即使是我身边很多学计算机的学生，让他们编一个排序代码也不轻松。 多练习多实践，掌握这些语言不是加分项，而是必需项。
- 热爱你的专业。 如果不热爱你的专业，是无法从你所从事的事业中获得快乐的。 我猜测你对金融的接触并不多，了解并不深。 在选专业之前还需要慎重考虑。 当你明白这是你所热爱的那一行时，那么恭喜你，你是幸运的，相比许多人。
一、Linux
lucene： 全文检索引擎的架构
solr： 基于lucene的全文搜索服务器，实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面。
二、Hadoop
hadoop common
HDFS： 分布式存储系统，包含NameNode，DataNode。NameNode：元数据，DataNode。DataNode：存数数据。
yarn： 可以理解为MapReduce的协调机制，本质就是Hadoop的处理分析机制，分为ResourceManager NodeManager。
MapReduce： 软件框架，编写程序。
Hive： 数据仓库 可以用SQL查询，可以运行Map/Reduce程序。用来计算趋势或者网站日志，不应用于实时查询，需要很长时间返回结果。
HBase： 数据库。非常适合用来做大数据的实时查询。Facebook用Hbase存储消息数据并进行消息实时的分析
ZooKeeper： 针对大型分布式的可靠性协调系统。Hadoop的分布式同步等靠Zookeeper实现，例如多个NameNode，active standby切换。
Sqoop： 数据库相互转移，关系型数据库和HDFS相互转移
Mahout： 可扩展的机器学习和数据挖掘库。用来做推荐挖掘，聚集，分类，频繁项集挖掘。
Chukwa： 开源收集系统，监视大型分布式系统，建立在HDFS和Map/Reduce框架之上。显示、监视、分析结果。
Ambari： 用于配置、管理和监视Hadoop集群，基于Web，界面友好。
二、Cloudera
Cloudera Manager： 管理 监控 诊断 集成
Cloudera CDH：(Cloudera's Distribution，including Apache Hadoop) Cloudera对Hadoop做了相应的改变，发行版本称为CDH。
Cloudera Flume： 日志收集系统，支持在日志系统中定制各类数据发送方，用来收集数据。
Cloudera Impala： 对存储在Apache Hadoop的HDFS，HBase的数据提供直接查询互动的SQL。
Cloudera hue： web管理器，包括hue ui，hui server，hui db。hue提供所有CDH组件的shell界面的接口，可以在hue编写mr。
三、机器学习/R
R： 用于统计分析、绘图的语言和操作环境，目前有Hadoop-R
mahout： 提供可扩展的机器学习领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等，且可通过Hadoop扩展到云中。
四、storm
Storm： 分布式，容错的实时流式计算系统，可以用作实时分析，在线机器学习，信息流处理，连续性计算，分布式RPC，实时处理消息并更新数据库。
Kafka： 高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据（浏览，搜索等）。相对Hadoop的日志数据和离线分析，可以实现实时处理。目前通过Hadoop的并行加载机制来统一线上和离线的消息处理
Redis： 由c语言编写，支持网络、可基于内存亦可持久化的日志型、key-value型数据库。
五、Spark
Scala： 一种类似java的完全面向对象的编程语言。
Spark： Spark是在Scala语言中实现的类似于Hadoop MapReduce的通用并行框架，除了Hadoop MapReduce所具有的优点，但不同于MapReduce的是job中间输出结果可以保存在内存中，从而不需要读写HDFS，因此Spark能更好的适用于数据挖掘与机器学习等需要迭代的MapReduce算法。可以和Hadoop文件系统并行运作，用过Mesos的第三方集群框架可以支持此行为。
Spark SQL：
Spark Streaming： 一种构建在Spark上的实时计算框架，扩展了Spark处理大数据流式数据的能力。
Spark MLlib： MLlib是Spark是常用的机器学习算法的实现库，目前(2014.05)支持二元分类，回归，聚类以及协同过滤。同时也包括一个底层的梯度下降优化基础算法。MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。
Spark GraphX： GraphX是Spark中用于图和图并行计算的API，可以在Spark之上提供一站式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。
jblas： 一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。
Fortran： 最早出现的计算机高级程序设计语言，广泛应用于科学和工程计算领域。
BLAS： 基础线性代数子程序库，拥有大量已经编写好的关于线性代数运算的程序。
LAPACK： 著名的公开软件，包含了求解科学与工程计算中最常见的数值线性代数问题，如求解线性方程组、线性最小二乘问题、特征值问题和奇异值问题等。
ATLAS： BLAS线性算法库的优化版本。
Spark Python： Spark是由scala语言编写的，但是为了推广和兼容，提供了java和python接口。
大数据学习方法
我的方法很简单的按照下面几步走
一、了解新的技术是什么以及它的作用
二、到技术的官方网站找案例进行简单的实验
三、和自己的项目结合
四、遇到问题到技术网站找相关资料
五、做笔记总结（总结的过程就是1~5）
这是在工作中引进新技术的学习方法，这样做的好处是及解决了工作上的问题又对新技术有了初步的了解，要是想把新技术吃透要在工作之余多有些心了。
要学会多问自己一些为什么？这样你会比别人更加优秀