首先我們要學習Python語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。
Python：Python 的排名從去年開始就藉助人工智能持續上升，現在它已經成為了語言排行第一名。
從學習難易度來看，作為一個為“優雅”而生的語言，Python語法簡捷而清晰，對底層做了很好的封裝，是一種很容易上手的高級語言。在一些習慣於底層程序開發的“硬核”程序員眼裡，Python簡直就是一種“偽代碼”。
在大數據和數據科學領域，Python幾乎是萬能的，任何集群架構軟件都支持Python，Python也有很豐富的數據科學庫，所以Python不得不學。
Linux：因為大數據相關軟件都是在Linux上運行的，所以Linux要學習的紮實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟件的運行環境和網絡環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。
好說完基礎了，再說說還需要學習哪些大數據技術，可以按我寫的順序學下去。
Hadoop：這是現在流行的大數據處理平臺幾乎已經成為大數據的代名詞，所以這個是必學的。
Hadoop裡面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數據的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。
YARN是體現Hadoop平臺概念的重要組件有了它大數據生態體系的其它軟件就能在hadoop上運行了，這樣就能更好的利用HDFS大存儲的優勢和節省更多的資源比如我們就不用再單獨建一個spark的集群了，讓它直接跑在現有的hadoop yarn上面就可以了。
其實把Hadoop的這些組件學明白你就能做大數據的處理了，只不過你現在還可能對”大數據”到底有多大還沒有個太清楚的概念，聽我的別糾結這個。
等以後你工作了就會有很多場景遇到幾十T/幾百T大規模的數據，到時候你就不會覺得數據大真好，越大越有你頭疼的。
當然別怕處理這麼大規模的數據，因為這是你的價值所在，讓那些個搞Javaee的php的html5的和DBA的羨慕去吧。
第一階段學習結束，掌握上述知識，就可以從事大數據方面的工作了。
ps:大家需要相關學習資料的大數據，java高級，java面試，Python的學習資料可以加我扣扣3300863615免費領取。
Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。
它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql數據庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?
你能在Linux上把它安裝好，運行起來，會配置簡單的權限，修改root的密碼，創建數據庫。
這裡主要的是學習SQL的語法，因為hive的語法和這個非常相似。
Sqoop：這個是用於把Mysql裡的數據導入到Hadoop裡的。
當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。
Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapReduce程序。
有的人說Pig那?它和Pig差不多掌握一個就可以了。
Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關係。
我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。
第二階段學習結束，如果能全部掌握，你就是專業的大數據開發工程師了。
後續提高：大數據結合人工智能達到真正的數據科學家，打通了數據科學的任督二脈，在公司是技術專家級別，這時候月薪再次翻倍且成為公司核心骨幹。
機器學習(Machine Learning, ML)：是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。機器學習的算法基本比較固定了，學習起來相對容易。（ps:大家需要相關學習資料的大數據，java高級，java面試，Python的學習資料可以加我扣扣3300863615免費領取。）
深度學習(Deep Learning, DL)：深度學習的概念源於人工神經網絡的研究，最近幾年發展迅猛。深度學習應用的實例有AlphaGo、人臉識別、圖像檢測等。是國內外稀缺人才，但是深度學習相對比較難，算法更新也比較快，需要跟隨有經驗的老師學習。
第三階段是理想狀態，算是終極目標吧。畢竟技術一直在進步，誰也無法預測大數據以後的發展。
希望大家多關注，更多精彩的文章後續帶給大家，祝大家有個愉快的週末！
閱讀更多 大數據信息站 的文章
