一、自学明确要求：中职大学本科，20-32岁最佳
二、从态度上能好好自学，不能虚幻着他们正式成为控制技术薄罗藓，要用己任来让他们正式成为控制技术薄罗藓
三、控制技术上能系统的渐进的自学，下面和你撷取大统计数据是要自学的控制技术
Java：大家都晓得Java的路径有JavaSE、JavaEE、JavaME，自学大统计数据要自学那个路径呢？
只须要自学Java的豪华版JavaSE就能了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE路径的控制技术在大统计数据控制技术里加进的并不多，只须要了解就能了，总之Java是并非相连统计资料库还是要晓得的，像JDBC一定要掌控呵呵，有老师说Hibernate或Mybites也能相连统计资料库啊，为什么不自学呵呵，我这里并非说学那些不好，而是说学那些可能将会用你许多天数，到最后组织工作中也不常用，我还没看到谁做大统计信息处置加进这三个东西的，总之你的心力很充裕的话，能试试Hibernate或Mybites的原理，不要只学API，这种能增加你对Java操作统计资料库的认知，即使这三个控制技术的核心是Java的散射加上JDBC的各种使用。Linux：即使大统计数据有关应用软件都是在Linux上运转的，因此Linux要自学的坚实一些，努力学习Linux对你快速掌控大统计数据有关控制技术会有很大的帮助，能让你更慢的认知hadoop、hive、hbase、spark等大统计数据应用软件的运转自然环境和网络自然环境实用性，万分感激踩许多坑，学会shell就看不懂JAVA这种能更容易认知和实用性大统计数据软件产业。还能让你对之后Chavanges的大统计数据控制技术自学起来更慢。好说完基础了，再说说还须要自学什么样大统计数据控制技术，能按我写的次序学下去。
Hadoop：这是那时流行的大统计信息处置网络平台几乎已经正式成为大统计数据的同义词，因此那个是recommend的。Hadoop里面包括几个模块HDFS、MapReduce和YARN，HDFS是储存统计数据的地方就像我们笔记本电脑的硬碟一样文件都储存在那个下面，MapReduce是对统计数据进行处置计算的，它有个特点是不管数不清的统计数据只要给它天数它就能把统计数据跑完，但是天数可能将并非很快因此它叫统计数据的批处置。YARN是体现Hadoop网络平台基本概念的重要模块有了它大统计数据自然生态体系的其它应用软件就能在hadoop上运转了，这种就能更慢的利用HDFS大储存的优势和节约更多的资源比如我们就不用再原则上建一个spark的软件产业了，让它直接跑在现有的hadoop yarn下面就能了。其实把Hadoop的那些模块学明白你就能做大统计数据的处置了，或者说你那时还可能将对”大统计数据”到底有数不清还没有个太清楚的基本概念，听我的别苦恼那个。等之后你组织工作了就会有许多场景遇到几十T/几百T小规模的统计数据，这样一来你就不会觉得统计数据大真好，越大越有你郁闷的。总之喂喂处置这么小规模的统计数据，即使这是你的价值所在，让那些个搞Javaee的php的html5的和DBA的羡慕去吧。记住学到这里能作为你学大统计数据的一个节点。Zookeeper：这是个万金油，安装Hadoop的HA的时候就会加进它，之后的Hbase也会加进它。它一般用来存放一些相互协作的信息，那些信息比较小一般不会超过1M，都是使用它的应用软件对它有依赖，对于我们个人来讲只须要把它安装正确，让它正常的run起来就能了。Mysql：我们自学完大统计数据的处置了，接下来自学自学小统计数据的处置工具mysql统计资料库，即使一会装hive的时候要加进，mysql须要掌控到什么层度那？你能在Linux上把它安装好，运转起来，会实用性简单的权限，修改root的密码，创建统计资料库。这里主要的是自学SQL的语法，即使hive的语法和那个非常相似。Sqoop：那个是用于把Mysql里的统计数据导入到Hadoop里的。总之你也能不用那个，直接把Mysql统计数据表导出成文件再放到HDFS上也是一样的，总之生产自然环境中使用要注意Mysql的压力。Hive：那个东西对于会SQL语法的来说是神器，它能让你处置大统计数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那？它和Pig差不多掌控一个就能了。Oozie：既然学会Hive了，我相信你一定须要那个东西，它能帮你管理你的Hive或者MapReduce、SparkJAVA，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实用性任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆JAVA，和密密麻麻的crond是并非有种想屎的感觉。Hbase：这是Hadoop自然生态体系中的NOSQL统计资料库，他的统计数据是按照key和value的形式储存的并且key是唯一的，因此它能用来做统计数据的排重，它与MYSQL相比能储存的统计数据量大许多。因此他常被用于大统计信息处置完成之后的储存目的地。Kafka：这是个比较好用的队列工具，队列是干吗的？排队买票你晓得不？统计数据多了同样也须要排队处置，这种与你协作的其它老师不会叫起来，你干吗给我这么多的统计数据（比如好几百G的文件）我是并非处置得过来，你别怪他即使他并非搞大统计数据的，你能跟他讲我把统计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，即使处置不过来是他的事情。而并非你给的问题。总之我们也能利用那个工具来做线上实时统计数据的入库或入HDFS，这时你能与一个叫Flume的工具配合使用，它是专门用来提供对统计数据进行简单处置，并写到各种统计数据接受方（比如Kafka）的。Spark：它是用来弥补基于MapReduce处置统计数据速度上的缺点，它的特点是把统计数据装载到内存中计算而并非去读慢的要死进化还特别慢的硬碟。特别适合做迭代运算，因此算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都能操作它，即使它们都是用JVM的。
