Question

如何开始学习大数据？

Answer 1

Hadoop是目前大数据的事实标准，hadoop生态圈还有很多的组件，每个组件都有其特定的应用场景，不必每个组件都要学习，可以挑选自己感兴趣的组件进行学习，或者等实际用到的时候再学习也可以。常见的组件介绍如下：

HBase：分布式的列式存储数据库，适用于存储非结构化的数据

Spark：专为大规模数据处理而设计的快速通用的计算引擎，它是hadoop生态圈中的一个组件，不会取代hadoop，在某些场合下可以替代MapReduce执行分布式的运算。

Sqoop：主要用于在Hadoop(Hive)与传统的数据库(oracle、mysql、postgresql...)间进行数据的传递，可以将关系型数据库中的数据导入到hdfs中，反之亦然

Flume：Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统

Oozie：用于Hadoop平台的一种工作流调度引擎，它可以以工作流的形式调用和分配集群中的计算任务

Storm：一个分布式实时大数据处理系统，它是一个流数据框架，具有最高的摄取率。一些实时计算的场景会用到

还有一些其他的组件如Impala、kudu、hue、Kafka、Solr等建议在使用的时候再考虑进行学习。

Answer 2

大数据的话是目前比较火热的潮流专业，学习的话可以找个好的学校或者好的机构去系统的学习一下的。

Answer 3

建议还是先学一些Java知识先，然后仔深入学习大数据，

Answer 4

可以从高等数学开始。

Answer 5

第一阶段：大数据技术入门
1大数据入门：介绍当前流行大数据技术，数据技术原理，并介绍其思想，介绍大数据技术培训课程，概要介绍。
2Linux大数据必备：介绍Lniux常见版本，VMware虚拟机安装Linux系统，虚拟机网络配置，文件基本命令操作，远程连接工具使用，用户和组创建，删除，更改和授权，文件/目录创建，删除，移动，拷贝重命名，编辑器基本使用，文件常用操作，磁盘基本管理命令，内存使用监控命令，软件安装方式，介绍LinuxShell的变量，控制，循环基本语法，LinuxCrontab定时任务使用，对Lniux基础知识，进行阶段性实战训练，这个过程需要动手操作，将理论付诸实践。
3CM&CDHHadoop的Cloudera版：包含Hadoop，HBase，Hiva，Spark，Flume等，介绍CM的安装，CDH的安装，配置，等等。
第二阶段：海量数据高级分析语言
Scala是一门多范式的编程语言，类似于java，设计的初衷是实现可伸缩的语言，并集成面向对象编程和函数式编程的多种特性，介绍其优略势，基础语句，语法和用法， 介绍Scala的函数，函数按名称调用，使用命名参数函数，函数使用可变参数，递归函数，默认参数值，高阶函数，嵌套函数，匿名函数，部分应用函数，柯里函数，闭包，需要进行动手的操作。
第三阶段：海量数据存储分布式存储
1HadoopHDFS分布式存储：HDFS是Hadoop的分布式文件存储系统，是一个高度容错性的系统，适合部署在廉价的机器上，HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用，介绍其的入门基础知识，深入剖析。
2HBase分布式存储：HBase-HadoopDatabase是一个高可靠性，高性能，面向列，可伸缩的分布式存储系统，利用HBase技术可在廉价PC上搭建起大规模结构化存储集群，介绍其入门的基础知识，以及设计原则，需实际操作才能熟练。
第四阶段：海量数据分析分布式计算
1HadoopMapReduce分布式计算：是一种编程模型，用于打过莫数据集的并行运算。
2Hiva数据挖掘：对其进行概要性简介，数据定义，创建，修改，删除等操作。
3Spare分布式计算：Spare是类MapReduce的通用并行框架。
第五阶段：考试
1技术前瞻：对全球最新的大数据技术进行简介。
2考前辅导：自主选择报考工信部考试，对通过者发放工信部大数据技能认证书。
上面的内容包含了大数据学习的所有的课程，所以，如果有想学大数据的可以从这方面下手，慢慢的了解大数据。