很多小伙伴都知道大数据很火，但其实还不清楚大数据工程师到底做什么，怎么学，今天就带领大家看一下。
大数开发做什么？
大数据开发 是大数据职业发展的方向之一，另一方面是 大数据分析。
从工作内容看， 大数据开发 主要负责大数据的大数据挖掘，数据清洗的发展，数据建模工作，主要负责 处理和大数据应用 ，结合大数据可视化分析工程师，挖掘出价值的数据，为企业提供业务发展支持。大数据数据开发工程师偏重 建设和优化系统 。
大数据开发其实分两种：
第一类是 编写一些Hadoop、Spark的应用程序 ，第二类是 对大数据处理系统本身进行开发 。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。这种工作的话对理论和实践要求的都更深一些，也更有技术含量。
目前，一个大数据工程师的月薪轻松过万，一个有几年工作经验的工程师薪酬在40万~80万元之间不等，而更顶尖的大技术人才则是年薪轻松超百万。
大数据开发学习有一定难度，零基础入门首先要学习Java语言打基础，一般而言，Java学习SE、EE，需要约3个月的时间；然后进入大数据技术体系的学习，主要学习Hadoop、Spark、Storm等，一共需要5个月左右达到就业程度。
大数据开发怎么学？
大数据开发需要学习的内容包括三大部分，分别是：
大数据基础知识、大数据平台知识、大数据场景应用 。
大数据基础知识有三个主要部分：数学、统计学和计算机；
大数据平台知识：是大数据开发的基础，往往以搭建Hadoop、Spark平台为主；
大数据场景是目前大数据的重要应用，这些场景包括很多领域，比如金融大数据、交通大数据、教育大数据、餐饮大数据等等，这些场景应用的背后也需要对行业知识有一定的了解。
大数据未来的发展空间很不错，学习大数据是一个不错的选择。
这里制定了一条专业的学习路径，希望帮助大家少走弯路。
一、Java+JavaSE 基础知识 ，掌握Java基础知识，为后面学习大数据技术打基础。
二、JavaWeb前端开发工程师 （HTML/CSS/JS+MYSQL 数据库+MVC 设计模块）
在WEB 学习阶段，通过所学习的WEB 技术，实现EasyMall 商城（项目实战）中包括用户注册、用户登录、用户注销、商品添加、商品删除、商品修改、商品列表、商品详情等功能。在实现商城相关功能的过程中，熟悉并掌握WEB 开发相关技术、架构思想、项目开发流程、版本控制等内容。
三、JavaEE 框架阶段 （三大框架重构EasyMall项目+SpringBoot 重构EasyMall 项目）
通过SpringBoot重构商城项目, 加深对Spring Boot 的理解，实现购物车、订单、在线支付等功能模块的实现。
四、大数据互联网架构阶段 （Redis：Springclound 整合+RabbitMQ+ES、Lucene）
五、大数据框架阶段 （离线分析+实时分析+内存分析）
六、数据挖掘与机器学习算法阶段 （统计学应用+算法应用+数据分析与挖掘）
上面的学习线路对于0基础学员也十分友好，是从Java基础开始讲起，所以，对于非计算机专业或者转行学员也都可以入门。
大数据是现在的前沿技术，对人才的需求十分巨大。如果你对大数据开发感兴趣，想系统学习大数据的话，可以加入大数据技术学习交流扣扣群：522189307，欢迎添加可喜的是，现在的 整体薪资也一直是上升趋势 ，所以如果你想入门一个高薪技术行业，那么大数据绝对是首选。
大数据学习路线：
java (Java se,javaweb)
Linux (shell,高并发架构,lucene,solr)
Hadoop (Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)
机器学习 (R,mahout)
Storm (Storm,kafka,redis)
Spark (scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)
Python (python,spark python)
云计算平台 (docker,kvm,openstack)
名词解释
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
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。
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。
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： 作为Apache Spark大数据框架的一部分,可用于结构化数据处理并可以执行类似SQL的Spark数据查询
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。
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。
六、Python
Python : 一种面向对象的、解释型计算机程序设计语言。
七、云计算平台
Docker ： 开源的应用容器引擎
kvm ： (Keyboard Video Mouse)
openstack ： 开源的云计算管理平台项目
