架构不是一个职业而是一种能力,每一种架构师只不过是在不同的领域里面使用不同的技术,没有什么可对比,就好比如你问一个篮球明星和一个足球明星有什么区别一样！
01 架构师需要考虑四个问题
1. 确定系统干什么不干什么,也就是说系统的边界在哪里？
2. 确定架构内部的模块与模块之间的关系,以及模块与外部之间的关系是什么？
3. 架构确定以后,有能力去指导开发去继续设计和演化,如果开发设计和演化出来的东西和架构不一致也是有问题的。
4. 确定非功能性需求,安全性,可扩展性,可用性,可维护性。
02 Java架构方向人才
● 系统的技术选型和可行性评估；
你这可以理解为：你家的房子户型设置，硬件软件配置必须要有自己的经验，装修完之后总得适用，不浪费成本，偏激一点总不能到处是柜子。
● 分布式技术框架的把控；
对大数据以及人工智能概念都是模糊不清的，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：数字458数字345最后782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系 。从java和linux入手，其后逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相关知识一一分享！
你这可以理解为：你家的柜子可以做出多种组合，你家的被子是放在A柜，枕头放B柜，床单放C柜，这得看你的划分用途。
● 深入发掘和分析业务需求，重点模块的设计、方案评审与技术支持，技术难点攻坚，应用系统分布式技术的落地，撰写技术方案和系统设计,最终完成编码工作；
你这可以理解为：柜子可以用来放东西，也可以用来拼装；如果组合柜，那可以拼出一些艺术品，那就看你的空间思维了。
● 针对产品性能和架构优化，确保系统的架构质量；
你这可以理解为：柜子如果没有按照之前图纸来规划安装摆放，你就会发现有些地方是可以改进的，及时完全参照图纸，你还是会想如何改进，这就会产生一些小想法；你可能会想如何装更多的物品，如何方便取物，如何整理方便。
● 优秀的抽象设计能力，思路清晰，善于思考，能独立分析和解决问题及编写解决方案；
你这可以理解为：哇，你家的装修真棒，这时你的邻居，或亲威朋友想参考你的想法，你可以提供一整套安装配置方案，现在你就是专家，因为他们想利用空间，发挥你的空间想像力。需要你来指导装修，提高装修质量，减少控制装修成本等等。
● 熟悉linux，能熟练应用shell/python等脚本语言；
● 扎实的Java基础知识，熟悉IO、多线程及并发技术；
● 熟练掌握redis、mongodb、netty、kafka等中间件；
● 对JVM原理有扎实的理解，对服务器端设计和编程有深入理解；
你这可以理解为：你对基建设施了如指掌，编译原理很清楚，恭喜你，你已经超过我了。
● 算法基础扎实，熟悉常见的数据结构，熟悉常用的设计模式，深入理解分布式算法和主流分布式系统，了解主流消息队列工作原理；
你这可以理解为：排序，索引，存储，去重，平滑等一些算法有深入了解，恭喜你，你已经是数学专家级了。
● 有丰富的分布式、高并发、高负载、高可用性系统设计经验，熟悉分布式缓存、消息等机制。
03 大数据架构方向人才
● 针对大数据平台的设计和开发制定数据架构规范，进行核心代码编写；
你这可以理解为：有设计图纸的能力，能够指导各个组件安装部署，以及数据的数据抽象能力。
● 针对数据基础架构和数据处理体系的升级和优化，技术难题攻关，持续提升核心系统性能，保证系统的安全、稳定、高效运行；
你这可以理解为：数据的价值，在于你的抽取采集能力是否高深，是否便于加工，标注。各组件的稳定性，兼容性，是否有预警，在于你的规划和监控接口是否到位。
● 大规模数据实时化、大数据技术容器化、私有云实施方案、数据模型规范化等方面根据不同项目的技术发展路线；
你这可以理解为：引入 Docker 的镜像机制来完善自己的容器;同时计算能力、数据结构抽象、定义，要用自己的风格和规范。能用最简单的配置，迅速跑起来流式streaming或离线处理spark程序.
● 跟踪大数据相关领域的技术趋势，竞争对手的产品、技术动态；
● 大数据平台的稳定性和性能优化及技术攻关；
● 产品研发过程中关键设计的把关和研发；
● 精通大数据生态圈主流技术和产品，如Hive、Storm、Flink、Spark，ELK、Kafka，Zookeeper、Yarn，presto，Hue等，对Spark分布式计算的底层原理有深度理解，对复杂系统的性能优化和稳定性的一线实战经验；
● 精通实时数据仓库设计，深刻理解MR运行原理和机制，能进行任务执行效率的优化，熟悉开源数据交换工具如sqoop，streamset，kettle，datax等；
● 熟悉elasticsearch、Lucene、Solr、Kylin、Phoenix、Alluxio等相关技术；
● 具有规划和决策能力，善于捕捉业务需求、架构设计存在的问题，并能给出有效的解决措施和方法 。
● 数据预测，预警，人工智能，图像识别，智能语音，物联网数据采集，标注等。线性计算，神经网络，知识图谱，都要有自己的项目，而且能迅速组建团队，成就你的客户，你就是未来的行家和赢家。
04 两者侧重点不同
★ Java架构
n 开发语言
n 分布式，高可用
n 设计模式
n 支撑业务的系统架构或者工具集
★大数据架构
n 不局限开发语言，有Java,Scala,Python,Go等更有裨益
n 人工智能，商业智能，数据挖掘
n 离线，实时，高效率，高可用
n 结构化数据，半结构化数据
n Hadoop生态圈
n 使用的模型越来越复杂，计算量指数级上升
n 组件集
05 总之
了解到用户的痛点，抓住用户的喜好，改善用户的体验。
一个好的产品，一定要让用户感觉到爽。核心问题还是哪些数据值的采集，每个开发，码者都应该站在产品的角度去思考问题，如何描绘出适合我们的一套智能化，自动化的问题解决方案
06 架构师必备的技能
由于的学习内容体系非常庞大，这里无法全面展开给你们详细阐述。
这里你可免费获取大数据高薪必备全套源码视频资料足够让你自学成才。
小礼物走一走，来简书关注我