零基础学大数据开发从哪方面学,大数据开发工程师需要掌握的

你好。要成为大数据开发工程师，需要的技能很多。具体而言，请参阅以下内容：

Java

大家都知道Java的方向有JavaSE、JavaEE、JavaME，但是学习大数据需要学习那个方向吗？只需学习Java标准版的JavaSE即可。像servlet、JSP、Tomcat、Struts、Spring和Hibernate一样，Mybatis都是面向JavaEE的技术，在大数据技术中很少使用。你只需要理解就行了。当然，还不知道Java如何连接到数据库

同学说Hibernate和Mybites也可以连接到数据库。为什么不学习呢？我不是说在这里学习这些不好，我是说学习这些可能会花你很多时间，在最后的工作中也很少用。我还没看到谁把这两件事用在数据处理上。当然，如果你能量足够的话，可以学习Hibernate和Mybites的原理。 Aarnate

Linux

大数据相关软件都在Linux上运行，所以Linux必须好好学习。学好Linux有助于快速掌握大数据相关技术，更好地了解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，少踩多孔添加接收需要的大数据相关资料和QQ群868847735

谈完基础之后，需要学习什么样的大数据技术，可以按照我写的顺序学习下去。

Hadoop

这是因为现在流行的大数据处理平台几乎成了大数据的代名词，这是一定要学习的。 Hadoop包括几个组件HDFS、MapReduce和YARN。 HDFS是保存数据的地方，文件就像我们电脑的硬盘一样保存在这里。 MapReduce处理和计算数据。它的一个特点是，不管多么大的数据，只要给定时间就能逃脱数据，但时间不是很快，所以被称为数据批处理。

YARN是体现Hadoop平台概念的重要组件，如果有其他软件可以大数据Hadoop生态系统，它也可以在Hadoop上运行。这样可以更好地利用HDFS海量存储的优势，节约更多资源。例如，您可以直接在现有的hadoop yarn上奔跑，而无需单独构建spark群集。

其实只要学习理解Hadoop的这些组件，你就能处理大数据。只是，你现在可能还不太清楚“大数据”到底有多大。请听听我的烦恼。以后工作的话，会遇到很多几十T/几百t的大规模数据的场面。我不认为那个时候数据很大就可以了。越大头越痛。当然，不要害怕处理这么大的数据。这是你的价值，所以让做Javaee的php的html5的人和DBA去羡慕吧。

在此推荐下，我自己组建的大数据开发学习群：805127855，专注于大数据分析方法，进行大数据编程、大数据仓库、大数据案例、人工智能、数据挖掘如果你正在学习大数据，欢迎初学者和高手加入。

请记住，学习这里将成为学习大数据的一个节点。

Zookeeper

这是万金油，在安装Hadoop的HA时使用，在今后的Hbase中也将使用。一般用于存储相互协作的信息。这些信息不会超过1米。一切都是使用软件依赖的。对我们个人来说，只要正确安装它，让它正常运行就行了。

img src='https://pic3.zhimg.com/v2-be259042ed15单身枫树39ac 69215 B4 b0f C2 _ b.jpg ' data-caption=' data-size=' normal ' data-raw width=' 900 ' data

Mysql

我们学习了大数据的处理。接下来学习作为元数据处理工具的mysql数据库。稍后安装hive时使用，mysql需要掌握到什么程度？如果可以在Linux上安装并运行它，则会设置简单的权限，更改root的密码，并创建数据库。这里主要学习SQL的语法。因为hive的语法和这个很相似。

Sqoop

这是为了将Mysql数据导入到Hadoop中。当然不用这个也可以。将Mysql数据表直接导出到文件并放到HDFS上也是如此。当然在生产环境中使用时要注意Mysql的压力。

Hive

这对会SQL语法的人来说是神器，可以轻松处理大数据，写MapReduce程序也不用费劲了。有人说Pig吗？掌握那个和Pig一样就可以了。

Oozie

既然记住了Hive，我相信你一定需要这个东西。那有助于管理你的h

ive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase

这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

Kafka

这是个比较好用的队列工具，队列是干吗的？排队买票你知道不？数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据（比如好几百G的文件）我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了。

因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方（比如Kafka）的。

Spark

它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

会这些东西你就成为一个专业的大数据开发工程师了，月薪2W都是小毛毛雨

学习大数据的两大基础就是JAVA和Linux，学习顺序不分前后。需要同时掌握，才可以继续大数据课程的学习。

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，学习大数据要学习那个方向呢？

只需要学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下，有同学说Hibernate或Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybites的原理，不要只学API，这样可以增加你对Java操作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。

Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

大数据课程大纲

大数据

Java

Linux

HDFS

Hadoop