學(xué)習(xí)大數(shù)據(jù)首先要根據(jù)自身的知識結(jié)構(gòu)選擇學(xué)習(xí)方向，比如數(shù)學(xué)和統(tǒng)計學(xué)專業(yè)的學(xué)生可以選擇數(shù)據(jù)分析方向，而計算機專業(yè)的學(xué)生可以選擇大數(shù)據(jù)開發(fā)方向，不同的學(xué)習(xí)方向需要制定不同的學(xué)習(xí)計劃。

雖然不同的學(xué)習(xí)方向往往需要學(xué)習(xí)不同的內(nèi)容，但是對于零基礎(chǔ)的學(xué)習(xí)者來說，以下三方面基礎(chǔ)知識是都需要學(xué)習(xí)的：

第一：編程語言。目前在大數(shù)據(jù)領(lǐng)域應(yīng)用比較廣泛的語言包括Java、Python、Scala、R和Go等，其中Java在Hadoop平臺應(yīng)用比較多，而Scala在Spark平臺應(yīng)用比較普遍。

第二：大數(shù)據(jù)平臺。學(xué)習(xí)大數(shù)據(jù)知識繞不過大數(shù)據(jù)平臺，大數(shù)據(jù)平臺承載了分布式存儲和分布式計算的核心任務(wù)，所以大數(shù)據(jù)平臺研發(fā)也是目前大數(shù)據(jù)領(lǐng)域的重要崗位。目前Hadoop和Spark是比較適合初學(xué)者學(xué)習(xí)的大數(shù)據(jù)平臺，一方面是其開源的屬性，另一方面Hadoop對于硬件的要求也比較低。

第三：算法。大數(shù)據(jù)技術(shù)的核心訴求是數(shù)據(jù)價值化，而目前數(shù)據(jù)價值化的主要方式就是數(shù)據(jù)分析，所以掌握算法不僅對于數(shù)據(jù)分析崗位非常重要，對于大數(shù)據(jù)開發(fā)崗位也具有現(xiàn)實的意義?？梢哉f，大數(shù)據(jù)產(chǎn)業(yè)鏈內(nèi)大量的崗位任務(wù)都要圍繞算法展開，所以掌握算法是學(xué)習(xí)大數(shù)據(jù)技術(shù)的核心任務(wù)之一。學(xué)習(xí)算法可以從一些經(jīng)典的算法開始，比如kNN、決策樹、樸素貝葉斯、支持向量機等等。

想要在大數(shù)據(jù)這個領(lǐng)域汲取養(yǎng)分，讓自己壯大成長。分享方向，行動以前先分享下一個大數(shù)據(jù)交流分享資源群19942加上7210，歡迎想學(xué)習(xí)，想轉(zhuǎn)行的，進(jìn)階中你加入學(xué)習(xí)。?

大數(shù)據(jù)不是某個專業(yè)或一門編程語言，實際上它是一系列技術(shù)的組合運用。

有人通過下方的等式給出了大數(shù)據(jù)的定義。

大數(shù)據(jù) = 編程技巧 + 數(shù)據(jù)結(jié)構(gòu)和算法 + 分析能力 + 數(shù)據(jù)庫技能 + 數(shù)學(xué) + 機器學(xué)習(xí) + NLP + OS + 密碼學(xué) + 并行編程

雖然這個等式看起來很長，需要學(xué)習(xí)的東西很多，但付出和匯報是成正比的，至少和薪資是成正比的。

既然要學(xué)的知識很多，那么一個正確的學(xué)習(xí)順序就非常關(guān)鍵了。

實驗樓為「大數(shù)據(jù)」制定了一條專業(yè)的學(xué)習(xí)路徑，希望幫助大家少走彎路。主要分為 7 個階段：入門知識 → Java 基礎(chǔ) → Scala 基礎(chǔ) → Hadoop 技術(shù)模塊 → Hadoop 項目實戰(zhàn) → Spark 技術(shù)模塊 → 大數(shù)據(jù)項目實戰(zhàn)。

其中，階段一到階段五均為免費課程，具體說來：

階段一：學(xué)習(xí)入門知識

這一部分主要針對的是新手，在學(xué)習(xí)之前需要先掌握基本的數(shù)據(jù)庫知識。MySQL 是一個 DBMS（數(shù)據(jù)庫管理系統(tǒng)），是最流行的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)（關(guān)系數(shù)據(jù)庫，是建立在關(guān)系數(shù)據(jù)庫模型基礎(chǔ)上的數(shù)據(jù)庫，借助于集合代數(shù)等概念和方法來處理數(shù)據(jù)庫中的數(shù)據(jù)）。MongoDB 是 IT 行業(yè)非常流行的一種非關(guān)系型數(shù)據(jù)庫（NoSQL），其靈活的數(shù)據(jù)存儲方式備受當(dāng)前 IT 從業(yè)人員的青睞。而 Redis 是一個開源、支持網(wǎng)絡(luò)、基于內(nèi)存、鍵值對存儲數(shù)據(jù)庫。兩者都非常有必要了解。

1.Linux 基礎(chǔ)入門（新版）

2.Vim編輯器

3.Git 實戰(zhàn)教程

4.MySQL 基礎(chǔ)課程

5.MongoDB 基礎(chǔ)教程

6.Redis基礎(chǔ)教程

階段二：Java基礎(chǔ)

Java 是目前使用最為廣泛的編程語言，它具有的眾多特性，特別適合作為大數(shù)據(jù)應(yīng)用的開發(fā)語言。

Java 語言具有功能強大和簡單易用兩個特征，跨平臺應(yīng)用能力比 C、C++ 更易用，更容易上手。同時還具有簡單性、面向?qū)ο?、分布式、健壯性、安全性、平臺獨立與可移植性、多線程、動態(tài)性等特點。最重要的一點是 Hadoop 是用 Java 編寫的。

1.Java編程語言（新版）

2.Java進(jìn)階之設(shè)計模式

3.J2SE核心開發(fā)實戰(zhàn)

4.JDK 核心 API

5.JDBC 入門教程

6.Java 8 新特性指南

階段三：Scala基礎(chǔ)

Scala 是一種多范式的編程語言，其設(shè)計的初衷是要集成面向?qū)ο缶幊毯秃瘮?shù)式編程的各種特性。由于 Scala 運行于 Java 平臺（Java 虛擬機），并兼容現(xiàn)有的Java 程序，所以 Scala 可以和大數(shù)據(jù)相關(guān)的基于 JVM 的系統(tǒng)很好的集成。

1.Scala 開發(fā)教程

2.Scala 專題教程 - Case Class和模式匹配

3.Scala 專題教程 - 隱式變換和隱式參數(shù)

4.Scala 專題教程 - 抽象成員

5.Scala 專題教程 - Extractor

6.Scala 開發(fā)二十四點游戲

階段四：Hadoop技術(shù)模塊

Hadoop 是一款支持?jǐn)?shù)據(jù)密集型分布式應(yīng)用并以 Apache 2.0 許可協(xié)議發(fā)布的開源軟件框架，它能搭建大型數(shù)據(jù)倉庫，PB 級別數(shù)據(jù)的存儲、處理、分析、統(tǒng)計等業(yè)務(wù)。編程語言你可以選，但 Hadoop 一定是大數(shù)據(jù)必學(xué)內(nèi)容。

1.Hadoop入門進(jìn)階課程

2.Hadoop部署及管理

3.HBASE 教程

4.Hadoop 分布式文件系統(tǒng)--導(dǎo)入和導(dǎo)出數(shù)據(jù)

5.使用 Flume 收集數(shù)據(jù)

階段五：Hadoop項目實戰(zhàn)

當(dāng)然，學(xué)完理論就要進(jìn)行動手實戰(zhàn)了，Hadoop 項目實戰(zhàn)可以幫助加深對內(nèi)容的理解，并鍛煉動手能力。

1.Hadoop 圖處理--《hadoop應(yīng)用框架》

階段六：Spark技術(shù)模塊

Spark 和 Hadoop 都是大數(shù)據(jù)框架。Hadoop 提供了 Spark 所沒有的功能特性，比如分布式文件系統(tǒng)，而 Spark 為需要它的那些數(shù)據(jù)集提供了實時內(nèi)存處理。所以學(xué)習(xí) Spark 也非常必要。

1.Spark2.x 快速入門教程

2.Spark 大數(shù)據(jù)動手實驗

3.Spark 基礎(chǔ)之 GraphX 圖計算框架學(xué)習(xí)

4.Spark 基礎(chǔ)之 DataFrame 基本概念學(xué)習(xí)

5.Spark 基礎(chǔ)之 DataFrame 高階應(yīng)用技巧

6.Spark 基礎(chǔ)之 Streaming 快速上手

7.Spark 基礎(chǔ)之 SQL 快速上手

8.Spark 基礎(chǔ)之使用機器學(xué)習(xí)庫 MLlib

9.Spark 基礎(chǔ)之 SparkR 快速上手

10.流式實時日志分析系統(tǒng)--《Spark 最佳實踐》

11.使用 Spark 和 D3.js 分析航班大數(shù)據(jù)

階段七：大數(shù)據(jù)項目實戰(zhàn)

最后階段提供了大數(shù)據(jù)實戰(zhàn)項目，這是對常用技能的系統(tǒng)運用，例如使用常用的機器學(xué)習(xí)進(jìn)行建模、分析和運算，這是成為大數(shù)據(jù)工程師過程中的重要一步。

1.Ebay 在線拍賣數(shù)據(jù)分析

2.流式實時日志分析系統(tǒng)--《Spark 最佳實踐》

3.大數(shù)據(jù)帶你挖掘打車的秘籍

4.Twitter數(shù)據(jù)情感分析

5.使用 Spark 進(jìn)行流量日志分析

6.Spark流式計算電商商品關(guān)注度

7.Spark的模式挖掘-FPGrowth算法