在大數(shù)據(jù)和數(shù)據(jù)科學領(lǐng)域，Python幾乎是萬能的，任何集群架構(gòu)軟件都支持Python，Python也有很豐富的數(shù)據(jù)科學庫，所以Python不得不學。

首先我們要學習Python語言和Linux操作系統(tǒng)，這兩個是學習大數(shù)據(jù)的基礎，學習的順序不分前后。

Python：Python 的排名從去年開始就借助人工智能持續(xù)上升，現(xiàn)在它已經(jīng)成為了語言排行第一名。

從學習難易度來看，作為一個為“優(yōu)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。在一些習慣于底層程序開發(fā)的“硬核”程序員眼里，Python簡直就是一種“偽代碼”。

在大數(shù)據(jù)和數(shù)據(jù)科學領(lǐng)域，Python幾乎是萬能的，任何集群架構(gòu)軟件都支持Python，Python也有很豐富的數(shù)據(jù)科學庫，所以Python不得不學。

Linux：因為大數(shù)據(jù)相關(guān)軟件都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運行環(huán)境和網(wǎng)絡環(huán)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(shù)據(jù)集群。還能讓你對以后新出的大數(shù)據(jù)技術(shù)學習起來更快。

好說完基礎了，再說說還需要學習哪些大數(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)處理平臺幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個是必學的。

Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據(jù)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(shù)據(jù)進行處理計算的，它有個特點就是不管多大的數(shù)據(jù)只要給它時間它就能把數(shù)據(jù)跑完，但是時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上運行了，這樣就能更好的利用HDFS大存儲的優(yōu)勢和節(jié)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(xiàn)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(shù)據(jù)的處理了，只不過你現(xiàn)在還可能對”大數(shù)據(jù)”到底有多大還沒有個太清楚的概念，聽我的別糾結(jié)這個。

等以后你工作了就會有很多場景遇到幾十T/幾百T大規(guī)模的數(shù)據(jù)，到時候你就不會覺得數(shù)據(jù)大真好，越大越有你頭疼的。

當然別怕處理這么大規(guī)模的數(shù)據(jù)，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(jié)束，掌握上述知識，就可以從事大數(shù)據(jù)方面的工作了。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。

它一般用來存放一些相互協(xié)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，對于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(shù)據(jù)的處理了，接下來學習學習小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那?

你能在Linux上把它安裝好，運行起來，會配置簡單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫。

這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用于把Mysql里的數(shù)據(jù)導入到Hadoop里的。

當然你也可以不用這個，直接把Mysql數(shù)據(jù)表導出成文件再放到HDFS上也是一樣的，當然生產(chǎn)環(huán)境中使用要注意Mysql的壓力。

Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據(jù)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(zhí)行正確，出錯了給你發(fā)報警并能幫你重試程序，最重要的是還能幫你配置任務的依賴關(guān)系。

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(jié)束，如果能全部掌握，你就是專業(yè)的大數(shù)據(jù)開發(fā)工程師了。

后續(xù)提高：大數(shù)據(jù)結(jié)合人工智能達到真正的數(shù)據(jù)科學家，打通了數(shù)據(jù)科學的任督二脈，在公司是技術(shù)專家級別，這時候月薪再次翻倍且成為公司核心骨干。

機器學習(Machine Learning, ML)：是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復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(lǐng)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。

深度學習(Deep Learning, DL)：深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究，最近幾年發(fā)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(nèi)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(jīng)驗的老師學習。

第三階段是理想狀態(tài)，算是終極目標吧。畢竟技術(shù)一直在進步，誰也無法預測大數(shù)據(jù)以后的發(fā)展。

End.

作者：大數(shù)據(jù)05

來源：簡書

加入iDATA數(shù)據(jù)分析社群的小伙伴 添加微信：lovedata19 備注「社群」即可