学习大数据技术，首先要明确大数据的概念。
大数据的概念作者认为有如下几点：
1.数据的来源多样性。例如关系数据库+文本+excel等
2.数据量大。TB级别的数据。
3.业务应用领域。实时性高与实时性不高的应用。
学习大数据应该就是要解决上述三个技术问题。
针对第一个问题，就是ETL技术-数据的抽取，清洗，加载。传统数据抽取、清洗、加载是无法做到的。例如一个1TB的数据，需要抽取一些客户的基本信息。上万的文件，多种数据库，每个数据库有很多节点等，这些问题如何解决。第二是时间问题，如果这个ETL过长需要半个月时间，那么就没有意义的。
针对第二个问题，数据如何存储，如何查询。TB级的数据如何存储，如何查询，面对亿级别的数据集合，如何提升查询速度。
针对第三个问题，实时分析系统和非实时分析系统。实时分析系统我们如何解决在海量的数据中，及时根据数据分析模型，得出分析报告。非实时系统我们技术要求可能会低些。
围绕解决上述问题为中心，进行探讨学习之路-称为大数据学习之路
前言
相信很多Java开发者都对大数据有一定的了解，随着大数据时代的到来，也有很多Java程序员想要转行大数据。大数据技术中大多数平台使用的都是Java语言，因此，对于大数据技术的学习来说，Java程序员已经占尽了先机。但是很多人对大数据该怎么学，学哪些内容和方向不是很了解，下面就给大家来详细讲一下。
本文分三大方面详细的讲如何学大数据：
大数据方向工作介绍
大数据工程师的技能要求
大数据学习路径
一.大数据方向工作介绍
大数据方向的工作目前分为三个主要方向:
01.大数据工程师
02.数据分析师
03.大数据科学家
04.其他（数据挖掘本质算是机器学习，不过和数据相关，也可以理解为大数据的一个方向吧）
二.大数据工程师的技能要求
附上两份比较权威的大数据工程师技能图
总结如下:
必须技能10条:
Java高级(虚拟机、并发)、Linux 基本操作、Hadoop（此处为侠义概念单指HDFS+MapReduce+Yarn ）、HBase（JavaAPI操作+Phoenix ）、Hive(Hql基本操作和原理理解）、Kafka、Storm、Scala需要、Python、Spark (Core+sparksql+Spark streaming ）、一些小工具(Sqoop等)
高阶技能6条:
机器学习算法以及mahout库加MLlib、R语言、Lambda 架构、Kappa架构、Kylin、Aluxio
三.学习路径
互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程，大数据学习群：957205962就可以找到组织学习 欢迎进阶中和进想深入大数据的小伙伴加入。
相关学习书籍：Java 高级学习（《深入理解Java虚拟机》、《Java高并发实战》）、Hadoop、HBase（《HBase权威指南》）、Hive（《Hive开发指南》）、Scala（《快学Scala》）、Spark （《Spark 快速大数据分析》）