|
大数据从入门到精通，一套专业的学习路线是必不可少的，尤其是对于想要自学的同学来说，这个至关重要。个人也整理了一套大数据学习路线，像我一样是从零基础开始的同学，可以作为自己的学习参考。
大数据学习路线图是分为五个大的阶段的，学习时间不确定，要看自己的学习能力和集中学习的精力。
阶段一：是java基础。此阶段是针对没有编程基础，或者对基础不扎实的同学一次补习，这个很重要，就像建一座大厦，这就是地基，地基不稳，就算修再高，总有**会轰然倒塌!
需要掌握的技术知识：
(1)Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类
(2) HTML、CSS与JavaScript
PC端网站布局、HTML5+CSS3基础、WebApp页面布局、原生JavaScript交互功能开发、Ajax异步交互、jQuery应用
(3)JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
阶段二：linux基础和Hadoop生态系统。
本阶段的linux也是基础课程，帮大家进入大数据领域，以便更好地学习Hadoop、hbase、NoSQL、Spark、Storm、docker、 kvm、openstack等众多课程。因为企业中无一例外的是使用 Linux来搭建或部署项目。
Hadoop生态系统的课程，对HDFS体系结构和shell以及java操作详细剖析，从知晓原理到开发网盘的项目，让大家打好学习大数据的基础。
需要掌握的技术知识：
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架
阶段三：分布式计算框架和Spark&Strom生态体系
Spark大数据处理本部分内容**涵盖了 Spark生态系统的概述及其编程模型,深入内核的研究,。不仅面向项目开发人员,甚至对于研究 Spark的学员,此部分都是非常有学习指引意义的课程。
需要掌握的技术知识：
(1)分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统(某一线公司真实项目)、实战二：新浪网(www.sina.com.cn)
(2)storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战
阶段四：项目练习其实是穿插课程其中的，在讲解大数据理论的同时，将实践知识穿插其中，增加学生对大数据技术的理解和应用。
阶段五：此阶段是深入提升阶段，主要是人工智能的一些技术知识，也为学生想转行人工智能打下良好的基础，多重技能，更能大大提升就业质量。
这个只是大体的大数据学习路线，想要什么深入学习，还是要找相应的视频教程和书籍配合学习。 |
