大数据入门没有头绪？这份总结的大数据学习路线希望你用得着_第12阶段spark第13阶段数据仓库

 

1、为什么要学习大数据？

1.1，门槛

它比 Java 高一点，因为除了对数据库的操作之外，要学习大数据生态的东西，需要会分布式、数仓、中间件等知识。它比机器学习低一些，不需要你会很多的机器学习算法和数学知识，而像机器学习算法和数学知识是需要长时间的磨练和沉淀，所以做这块的研究生和博士居多。

无论是哪个学校的计算机专业，Java、数据、C、C++什么的都会接触到，但是大数据呢？第一批大数据专业的学生现在大二，所以现有的大数据岗位的人都是自学的，谈不上对口不对口，对口更多的指计算机基础。但是再过两年就不一定了，所以「早，就是优势」。

 

想要在大数据这个领域汲取养分，让自己壮大成长。分享方向，行动以前先分享下一个大数据交流分享资源群870097548，欢迎想学习，想转行的，进阶中你加入学习。

1.2，薪资高

这个估计才是吸引大部分人学习的原因。同一家公司同一级别，普通开发岗和大数据开发薪资还是会差一个档次的，具体多少视公司而定。

1.3，积累性和挑战性

一些在传统企业或者国企的资深开发者，但是他们对自己的职业也迷茫和担忧，在群里经常讨论一些分布式，Redis、Zookeeper等知识的时候，他们显的格格不入。因为他们长期在企业里 CRUD(增删改查)，与现在互联网技术发展产生隔阂了，既憧憬又畏惧。

为什么说大数据开发是积累性又有挑战性的呢？

了解过大数据的应该知道大数据的「4V理论」，随着时间的发展，企业产生的数据量肯定越来越大。在以前，我们对数据是不重视的，但是随着机器学习的发展，数据是越来越重要的。了解机器学习应该都知道，训练模型之前都会有一个特征工程的步骤，特征工程就是来处理数据的，然后喂给模型。又好又多质量又高的数据会让这个模型更聪明和健壮，相当于燃料，模型才能更好地自我训练，然后才有现在的「推荐喜欢」和「全民抖音」。

如果你只是进行一些数据库的增删该查或者一些页面展示什么的，这些套路都是可复用的，讲究能用就行。但是大数据不一样，无论你是做平台的建设，数仓，计算等，一些场景一些机制都是需要你去思考的。

1.4，推动你现有岗位的发展。

大数据+现有岗位是一个趋势。大数据来临的时候，你前端不用做一些静态化，或者一些缓存机制吗？会一些 Hive、Hadoop，做可视化或和后端对接的时候是不是更有优势呢？后端学一些大数据的觉得是必要的，例如Kafka、Zookeeper等分布式、缓存相关的数据存储和传输是进阶 Java 必会的，让你在现有企业需要转型的时候可以直接就上。而运维呢？分布式集群运维，各个大数据平台上的节点运维，这不是一个趋势吗？

什么都不学，认为现在的公司用不到，等公司要用到的时候，你会，可能就是一个负责人或者给你升职加薪巴结你试试，因为这样成本小，知根知底。不会呢，就直接招会的人过来了，而你就危险了。

1.5，过渡到机器学习人工智能的捷径

随着科技的进步，包括硬件和软件，机器学习的使用门槛会越来越低，为什么这里强调使用。因为研究部门在每一家公司都是极少数的，更多的是在调库，调参。而随着硬件的进步，很多算法都是封装好的，可以进行傻瓜化操作，我们只需要给他喂数据。

2、学习大数据门槛

无论什么岗位，英语好和数据学能摸到的天花板更高。但是大数据开发不像机器学习，日常阅读国外 paper 和对模型算法进行调优，不要求你去读西瓜书和统计学去弄懂线性回归等数学知识。

有些人可能说我智商不行，别人记住一个知识点要10分钟，我要一个小时。有些人会反驳「你的努力还谈不上比智商」。这边说一下我对「智商」的看法：智商其中是一个很广的东西，有些人学习上比你好，但生活上不一定比你聪明。我们不可否认初高中的时候，有些学霸没怎么读书就可以考的很好，有些人很努力但也没那么好。无法否认，这就是天赋。有些人天生逻辑思维好，对数学或者知识的抽象能力很厉害，能摸到的天花板更高。我们定位好自己就是了，智商高而且在顶层的总是那么几个人，而更多的是在中间那一层，而那一层拼的不仅仅智商，智商高的也不一定写代码写的比你好，所以百分之 98 的人的智商拿来开发够用了。

所以大数据开发是一个既有门槛但又不是门槛特别高的方向，正常人只要找到适合自己的路线和找对学习方法都可以的。

 

3、学习路线

首先学大数据分为两种，学生和在职，请对号入座。

3.1，学生必读

首先要知道一点，只要你是在校生，无论你是不是科班，差别都不会很大。科班的意义是基础扎实，但是你看现在计算机专业的，哪几个扎实了。反而是非科班的，会意识到这一点，然后去补缺补漏。

如果你还是大一大二的话，可以扎实地补补基础。如果静不下心学基础的话，可以做做项目，然后赶紧去找实习。而且我也建议以找实习为目的进行学习，不然很容易迷茫和漫无目的地学习，最终学了什么自己都不知道，以目的为导向进行学习很重要。

如果你是大三大四，该准备春秋招了，大三的春季实习招聘要好好把握，这时如果找到一份大厂实习，那秋招就没什么压力。大四的春招也很重要，因为这是最后一次学生身份参加招聘，门槛还是低一下。

在校生的面试，无论大厂还是小厂都有一套方法论。首先要书写一份好的简历，防止卡在简历这关。简历的话我一直都有在帮我群里那帮兄弟参考，效果都很明显，因为这块不算今天的内容里面，有需要帮忙看的朋友可以加文章末的好友细聊。小公司注重项目，基础要求相对不高；大公司除了要求项目，还需要你基础够好。在校生要学大数据的话，建议先找份Java的实习，然后再跳到大数据岗位，因为大数据也是需要Java知识，这样一个过渡比较好。

3.2 学生学习路线：

• Javase和项目我是建议同步进行，因为你想要完全学好一门语言再去接触项目，看似可行，实则不太好。反而是两者相辅相成，利于及时调整。
• 当能把项目写在简历上的时候就去投，去面试，面试可以收获非常多东西。因为这时候JVM和多线程还不会，所以只能去投一些小公司。当后面把JVM和多线程补起来的时候可以进军大公司。
• 数据结构和算法需要贯穿整个个学习周期。提高算法前期以刷剑指offer这本书为主，刷到能手写代码。建议先在大三找份Java实习，然后找到实习之后接着学大数据知识，这样既完成了阶段性目的，也为了下一阶段做准备。

3.3&#x