? ? ? ?我在很多平臺(tái)上都收到過(guò)“怎么學(xué)習(xí)大數(shù)據(jù)？學(xué)大數(shù)據(jù)要學(xué)編程嗎？大數(shù)據(jù)都學(xué)什么知識(shí)” 等等類似的問(wèn)題。而近期類似的問(wèn)題越來(lái)越多，2018年將成為大數(shù)據(jù)人才集中產(chǎn)出的一年，我也應(yīng)廣大網(wǎng)友的要求寫了此篇文章，希望可以幫助更多的大數(shù)據(jù)人。

每個(gè)人都在說(shuō)大數(shù)據(jù)，但是大數(shù)據(jù)到底是什么？很多人都沒(méi)有搞清楚。所以大數(shù)據(jù)學(xué)習(xí)要學(xué)什么知識(shí)自然就不是非常清楚了。

什么是大數(shù)據(jù)？

其實(shí)從字面意義上講，我們就可以進(jìn)行簡(jiǎn)單的了解，大數(shù)據(jù)就是大的數(shù)據(jù)，也可以稱之為海量數(shù)據(jù)或巨量數(shù)據(jù)。大數(shù)據(jù)相對(duì)的就是小數(shù)據(jù)或者普通數(shù)據(jù)，大數(shù)據(jù)與小數(shù)據(jù)或平臺(tái)數(shù)據(jù)的區(qū)別在哪里呢？小數(shù)據(jù)或平臺(tái)數(shù)據(jù)是可以通過(guò)人或者普通的工具就可以進(jìn)行收集、提取、處理等等操作。而大數(shù)據(jù)是涉及的有價(jià)值的數(shù)據(jù)資料量，規(guī)模巨大到無(wú)法通過(guò)人腦甚至主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。

?那么大數(shù)據(jù)的處理就需要新型的技術(shù)和工具進(jìn)行處理，而當(dāng)前社會(huì)的高速發(fā)展，每天在不同的互聯(lián)網(wǎng)平臺(tái)甚至傳統(tǒng)行業(yè)都會(huì)產(chǎn)生巨大的數(shù)據(jù)。所以大數(shù)據(jù)人才的需求量就不斷增加。

?大數(shù)據(jù)的主要就業(yè)方向是什么？

?我們了解完大數(shù)據(jù)的基本概念后，再讓我們看看每天談?wù)摰拇髷?shù)據(jù)到底做什么工作

1.??? 大數(shù)據(jù)研發(fā)

2.??? 大數(shù)據(jù)分析與挖掘

3.??? 深度學(xué)習(xí)

4.??? 人工智能

?

大數(shù)據(jù)需要學(xué)習(xí)哪些知識(shí)？

?學(xué)習(xí)大數(shù)據(jù)到底是學(xué)習(xí)編程、還是工具使用，還是數(shù)學(xué)理論？

?大數(shù)據(jù)的方向很廣需要掌握的知識(shí)也不大相同。今天我們就主要的就業(yè)方向進(jìn)行知識(shí)結(jié)構(gòu)解剖。

?

一、基礎(chǔ)知識(shí)

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，學(xué)習(xí)大數(shù)據(jù)要學(xué)習(xí)那個(gè)方向呢？只需要學(xué)習(xí)Java的標(biāo)準(zhǔn)版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技術(shù)在大數(shù)據(jù)技術(shù)里用到的并不多，只需要了解就可以了，當(dāng)然Java怎么連接數(shù)據(jù)庫(kù)還是要知道的，像JDBC一定要掌握一下，有同學(xué)說(shuō)Hibernate或Mybites也能連接數(shù)據(jù)庫(kù)啊，為什么不學(xué)習(xí)一下，我這里不是說(shuō)學(xué)這些不好，而是說(shuō)學(xué)這些可能會(huì)用你很多時(shí)間，到最后工作中也不常用，我還沒(méi)看到誰(shuí)做大數(shù)據(jù)處理用到這兩個(gè)東西的，當(dāng)然你的精力很充足的話，可以學(xué)學(xué)Hibernate或Mybites的原理，不要只學(xué)API，這樣可以增加你對(duì)Java操作數(shù)據(jù)庫(kù)的理解，因?yàn)檫@兩個(gè)技術(shù)的核心就是Java的反射加上JDBC的各種使用。

Linux：因?yàn)榇髷?shù)據(jù)相關(guān)軟件都是在Linux上運(yùn)行的，所以Linux要學(xué)習(xí)的扎實(shí)一些，學(xué)好Linux對(duì)你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會(huì)有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運(yùn)行環(huán)境和網(wǎng)絡(luò)環(huán)境配置，能少踩很多坑，學(xué)會(huì)shell就能看懂腳本這樣能更容易理解和配置大數(shù)據(jù)集群。還能讓你對(duì)以后新出的大數(shù)據(jù)技術(shù)學(xué)習(xí)起來(lái)更快。

好說(shuō)完基礎(chǔ)了，再說(shuō)說(shuō)還需要學(xué)習(xí)哪些大數(shù)據(jù)技術(shù)，可以按我寫的順序?qū)W下去。

Hadoop：這是現(xiàn)在流行的大數(shù)據(jù)處理平臺(tái)幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個(gè)是必學(xué)的。Hadoop里面包括幾個(gè)組件HDFS、MapReduce和YARN，HDFS是存儲(chǔ)數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲(chǔ)在這個(gè)上面，MapReduce是對(duì)數(shù)據(jù)進(jìn)行處理計(jì)算的，它有個(gè)特點(diǎn)就是不管多大的數(shù)據(jù)只要給它時(shí)間它就能把數(shù)據(jù)跑完，但是時(shí)間可能不是很快所以它叫數(shù)據(jù)的批處理。YARN是體現(xiàn)Hadoop平臺(tái)概念的重要組件有了它大數(shù)據(jù)生態(tài)體系的其它軟件就能在hadoop上運(yùn)行了，這樣就能更好的利用HDFS大存儲(chǔ)的優(yōu)勢(shì)和節(jié)省更多的資源比如我們就不用再單獨(dú)建一個(gè)spark的集群了，讓它直接跑在現(xiàn)有的hadoop yarn上面就可以了。其實(shí)把Hadoop的這些組件學(xué)明白你就能做大數(shù)據(jù)的處理了，只不過(guò)你現(xiàn)在還可能對(duì)"大數(shù)據(jù)"到底有多大還沒(méi)有個(gè)太清楚的概念，聽(tīng)我的別糾結(jié)這個(gè)。等以后你工作了就會(huì)有很多場(chǎng)景遇到幾十T/幾百T大規(guī)模的數(shù)據(jù)，到時(shí)候你就不會(huì)覺(jué)得數(shù)據(jù)大真好，越大越有你頭疼的。當(dāng)然別怕處理這么大規(guī)模的數(shù)據(jù)，因?yàn)檫@是你的價(jià)值所在，讓那些個(gè)搞Javaee的php的html5的和DBA的羨慕去吧。

記住學(xué)到這里可以作為你學(xué)大數(shù)據(jù)的一個(gè)節(jié)點(diǎn)。

Zookeeper：這是個(gè)萬(wàn)金油，安裝Hadoop的HA的時(shí)候就會(huì)用到它，以后的Hbase也會(huì)用到它。它一般用來(lái)存放一些相互協(xié)作的信息，這些信息比較小一般不會(huì)超過(guò)1M，都是使用它的軟件對(duì)它有依賴，對(duì)于我們個(gè)人來(lái)講只需要把它安裝正確，讓它正常的run起來(lái)就可以了。

Mysql：我們學(xué)習(xí)完大數(shù)據(jù)的處理了，接下來(lái)學(xué)習(xí)學(xué)習(xí)小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫(kù)，因?yàn)橐粫?huì)裝hive的時(shí)候要用到，mysql需要掌握到什么層度那？你能在Linux上把它安裝好，運(yùn)行起來(lái)，會(huì)配置簡(jiǎn)單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫(kù)。這里主要的是學(xué)習(xí)SQL的語(yǔ)法，因?yàn)閔ive的語(yǔ)法和這個(gè)非常相似。

?Sqoop：這個(gè)是用于把Mysql里的數(shù)據(jù)導(dǎo)入到Hadoop里的。當(dāng)然你也可以不用這個(gè)，直接把Mysql數(shù)據(jù)表導(dǎo)出成文件再放到HDFS上也是一樣的，當(dāng)然生產(chǎn)環(huán)境中使用要注意Mysql的壓力。

?Hive：這個(gè)東西對(duì)于會(huì)SQL語(yǔ)法的來(lái)說(shuō)就是神器，它能讓你處理大數(shù)據(jù)變的很簡(jiǎn)單，不會(huì)再費(fèi)勁的編寫MapReduce程序。有的人說(shuō)Pig那？它和Pig差不多掌握一個(gè)就可以了。

Oozie：既然學(xué)會(huì)Hive了，我相信你一定需要這個(gè)東西，它可以幫你管理你的Hive或者M(jìn)apReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯(cuò)了給你發(fā)報(bào)警并能幫你重試程序，最重要的是還能幫你配置任務(wù)的依賴關(guān)系。我相信你一定會(huì)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(jué)。

?Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫(kù)，他的數(shù)據(jù)是按照key和value的形式存儲(chǔ)的并且key是唯一的，所以它能用來(lái)做數(shù)據(jù)的排重，它與MYSQL相比能存儲(chǔ)的數(shù)據(jù)量大很多。所以他常被用于大數(shù)據(jù)處理完成之后的存儲(chǔ)目的地。

?Kafka：這是個(gè)比較好用的隊(duì)列工具，隊(duì)列是干嗎的？排隊(duì)買票你知道不？數(shù)據(jù)多了同樣也需要排隊(duì)處理，這樣與你協(xié)作的其它同學(xué)不會(huì)叫起來(lái)，你干嗎給我這么多的數(shù)據(jù)（比如好幾百G的文件）我怎么處理得過(guò)來(lái)，你別怪他因?yàn)樗皇歉愦髷?shù)據(jù)的，你可以跟他講我把數(shù)據(jù)放在隊(duì)列里你使用的時(shí)候一個(gè)個(gè)拿，這樣他就不在抱怨了馬上灰流流的去優(yōu)化他的程序去了，因?yàn)樘幚聿贿^(guò)來(lái)就是他的事情。而不是你給的問(wèn)題。當(dāng)然我們也可以利用這個(gè)工具來(lái)做線上實(shí)時(shí)數(shù)據(jù)的入庫(kù)或入HDFS，這時(shí)你可以與一個(gè)叫Flume的工具配合使用，它是專門用來(lái)提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，并寫到各種數(shù)據(jù)接受方（比如Kafka）的。

?Spark：它是用來(lái)彌補(bǔ)基于MapReduce處理數(shù)據(jù)速度上的缺點(diǎn)，它的特點(diǎn)是把數(shù)據(jù)裝載到內(nèi)存中計(jì)算而不是去讀慢的要死進(jìn)化還特別慢的硬盤。特別適合做迭代運(yùn)算，所以算法流們特別稀飯它。它是用scala編寫的。Java語(yǔ)言或者Scala都可以操作它，因?yàn)樗鼈兌际怯肑VM的。

?后續(xù)提高?：當(dāng)然還是有很有可以提高的地方，比如學(xué)習(xí)下python，可以用它來(lái)編寫網(wǎng)絡(luò)爬蟲(chóng)。這樣我們就可以自己造數(shù)據(jù)了，網(wǎng)絡(luò)上的各種數(shù)據(jù)你高興都可以下載到你的集群上去處理。最后再學(xué)習(xí)下推薦、分類等算法的原理這樣你能更好的與算法工程師打交通。這樣你的公司就更離不開(kāi)你了，大家都會(huì)對(duì)你喜歡的不要不要的。

總結(jié)

以上是生活随笔為你收集整理的怎么学习大数据，入门大数据要掌握哪些知识？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。