問答專欄Q & A COLUMN
這是一個非常好的問題，也是很多初學者比較關心的問題，作為一名IT從業者，我來回答一下。
首先，所謂的Java大數據通常指的是采用Java語言來完成一些大數據領域的開發任務，整體的學習內容涉及到三大塊，其一是Java語言基礎，其二是大數據平臺基礎，其三是場景開發基礎?？傮w上來說，Java大數據的學習內容是比較多的，而且也具有一定的難度。
java語言基礎部分的學習內容相對比較明確，由于Java語言本身的技術體系已經比較成熟了，所以學習過程也會相對比較順利。對于初學者來說，建議圍繞JavaWeb開發來制定學習計劃，這樣也會提升就業競爭力。JavaWeb開發不僅涉及到后端開發知識，還涉及到前端開發知識，整體的知識量還是比較大的，而且在學習的過程中，需要完成大量的實驗。
大數據平臺部分可以圍繞Hadoop來展開，由于當前Hadoop生態已經比較健全了，所以這部分學習內容非常多，需要初學者有一個系統的學習過程。學習Hadoop的初期是完全可以自學的，當前Hadoop的案例也越來越豐富了，所以學習Hadoop也會有一個較好的學習體驗。由于Hadoop對于實驗場景有一定的要求，所以搭建實驗環境是學習Hadoop的一個重要基礎。
學習Java大數據一定離不開具體的場景，這里面的場景不僅指硬件場景（數據中心），還需要有行業場景支持，所以學習Java大數據通常都會選擇一個行業作為切入點，比如金融行業、醫療行業、教育行業等等。初學者在學習場景開發知識的過程中，并不建議完全采用自學的學習方式，可以考慮在實習崗位上來完成這個階段的學習任務。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關于互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
評論0
加載中...
對于大數據想必了解過的人和想要學習大數據的童鞋都是有所了解的，知道大數據培訓相關的一些學習內容都有個大概的了解，但是對于大數據培訓學習內容的一些比較詳細的內容還是有所差距的，我們學習大數據的主要目的就是未來以后可以到大企業去做相關的工作，拿到客觀的薪資。那么這就需要我們了解企業對于大數據技術的需求是什么，大數據培訓機構大數據課程內容是否包含這些內容。接下來帶大家簡單了解一下。
第一階段Java語言基礎，此階段是大數據剛入門階段，主要是學習一些Java語言的概念、字符、流程控制等。
第二階段Javaee核心了解并熟悉一些HTML、CSS的基礎知識，JavaWeb和數據庫，Linux基礎，Linux操作系統基礎原理、虛擬機使用與Linux搭建、Shell 腳本編程、Linux 權限管理等基本的 Linux 使用知識，通過實際操作學會使用。
第五階段 Hadoop 生態體系，Hadoop 是大數據的重中之重，無論是整體的生態系統、還是各種原理、使用、部署，都是大數據工程師工作中的核心，這一部分必須詳細解讀同時輔以實戰學習。
第六階段Spark生態體系，這也是是大數據非常核心的一部分內容，在這一時期需要了解Scala語言的使用、各種數據結構、同時還要深度講解spark的一系列核心概念比如結構、安裝、運行、理論概念等。
2021大數據學習路線圖：
評論0
加載中...
Java是目前使用非常廣泛的編程語言，它具有的眾多特性，特別適合作為大數據應用的開發語言。
Java不僅吸收了C++語言的各種優點，還摒棄了C++里難以理解的多繼承、指針等概念，因此Java語言具有功能強大和簡單易用兩個特征。Java語言作為靜態面向對象編程語言的代表，極好地實現了面向對象理論，允許程序員以優雅的思維方式進行復雜的編程。
Java的跨平臺應用能力，比C、C++更易用，更容易上手。同時還具有簡單性、面向對象、分布式、健壯性、安全性、平臺獨立與可移植性、多線程、動態性等特點。
更重要的是，Hadoop以及其他大數據處理技術很多都是用Java，例如Apache的基于Java的HBase和Accumulo以及 ElasticSearchas，因此學習Hadoop的一個首要條件，就是掌握Java語言編程。
評論0
加載中...
大數據可以實現的應用可以概括為兩個方向，一個是精準化定制，第二個是預測。比如像通過
搜索引擎搜索同樣的內容，每個人的結果卻是大不相同的。再比如精準營銷、百度的推廣、淘
寶的喜歡推薦，或者你到了一個地方，自動給你推薦周邊的消費設施等等。
隨著大數據行業的快速發展，也隨之出現了一些問題，比如大數據人才的缺失就是目前急需解
決的一個問題，那么很多學大數據的人又出現了一些問題，就是大家普遍擔心的就是零基礎能
不能學習大數據，會不會不好學？
零基礎的人要不要去大數培訓機構學習大數據開發嗎？答案是可以的去。大數據學習并不是高
深莫測的，雖然對于零基礎學員來說不是那么簡單，但是只要你認真學習，加上有專業老師的
指導和針對性的訓練，相信你也是可以完全掌握大數據的。
零基礎的同學學習大數據開發不能急于求成，要分階段分步驟來一步步完成，大概可以分為四步：
首先，學習一門課程的時候，要對這門課程有一個簡單的了解，比如說，要先學習這門課程的
一些專業的術語，學習一些入門概念知道這么課程是做什么的，主要的學習知識有哪些。那么
學習大數據就必須知道什么是大數據，一般大數據的運用領域是那些，避免自己在對大數據一
無所知的情況下就開始盲目學習。
對于零基礎的小伙伴們來說，開始入門可能并不是那么容易，需要學習大量的理論知識，閱讀
枯燥的教材。因為要掌握一門計算機編程語言，還是很難的。大家都知道計算機編程語言有很
多，比如：R，C++，Python，Java等等。
經過了前兩階段的基礎學習后，我們對編程語言也基本掌握了，接下來就可以進行大數據部分
的課程學習了。在這里小編要特別提醒大家：行業真正大數據，82%主講都是hadoop、
spark生態體系、storm實時開發，初學者請務必認清你要學的是不是真正大數據！
實戰訓練可以幫助我們更好的理解所學的內容，同時對相關知識加強記憶。在以后的實際運用
中，可以更快的上手，對于相關知識的使用方法也有了經驗。
世上無難事只怕有心人，無論你是有基礎也好還是沒基礎也好，只要你認真學習大數據就一定
會學好。
大數據結合人工智可以達到真正的數據科學家。
機器學習：是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論
等多門學科。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的
各個領域，它主要使用歸納、綜合而不是演繹。機器學習的算法基本比較固定了，學習起來相
對容易。
：深度學習的概念源于人工神經網絡的研究，最近幾年發展迅猛。深度學習應用的實
例有AlphaGo、人臉識別、圖像檢測等。是國內外稀缺人才，但是深度學習相對比較難，算法
更新也比較快，需要跟隨有經驗的老師學習。
最快的學習方法，就是師從行業專家，畢竟老師有多年積累的經驗，自己少走彎路達到事半功
倍的效果。
2018年全新升級大數據學習路線
第一階段：Linux理論
（1）Linux基礎；（2）Linux-shell編程；（3）高并發：lvs負載均衡；（4）高可用&反向代理
第二階段：Hadoop理論
（1）hadoop-hdfs理論；（2）hadoop-hdfs集群搭建；（3）hadoop-hdfs 2.x & api ；（4）hadoop-MR理論 ；
（5）hadoop-MR開發分析；（6）hadoop-MR源碼分析 ；（7）hadoop-MR開發案例
第三階段：Hive理論
（1）Hive介紹以及安裝 ；（2）Hive實戰
第四階段：HBase
（1）HBase介紹以及安裝 ；（2）HBase調優
第五階段： redis理論
（1）redis類型 ； （2） redis高級
第六階段：Zookeeper理論
（1）Zookeeper介紹 ；（2） Zookeeper使用
第七階段： Scala語法
（1）Scala語法介紹；（2）scala語法實戰
第八階段： Spark理論
（1）Spark介紹；（2）Spark代碼開發流程 ； （3）Spark集群搭建；（4） Spark資源調度原理；
（5）Spark任務調度；（6）Spark案例；（7）Spark中兩種最重要shuffle；
（8）Spark高可用集群的搭建；（9）SparkSQL介紹；（10） SparkSQL實戰 ；
（11）SparkStreaming介紹；（12）SparkStreaming實戰
第九階段：機器學習介紹
（1） 線性回歸詳解； （2）邏輯回歸分類算法； （3）Kmeans聚類算法； （4）KNN分類算法； （5）決策樹 隨機森林算法
第十階段：Elasticsearch理論
（1）Elasticsearch搜索原理； （2） Elasticsearch實戰
第十一階段：Storm理論
（1）Storm介紹以及代碼實戰；（2）Storm偽分布式搭建以及任務部署； （3）Storm架構詳解以及DRCP原理；
（4） 虛擬化理論kvm虛擬化 ； （5） docker
1,_推薦系統理論與實戰項目 Part2
2,推薦系統理論與實戰 項目Part1
3.實時交易監控系統項目(下)
4,實時交易監控系統項目(上)
5,用戶行為分析系統項目1
6,用戶行為分析系統項目2
7,大數據批處理之HIVE詳解
8,ES公開課 part1
9,spark_streaming_
10,數據倉庫搭建詳解
11,大數據任務調度
12,流數據集成神器Kafka
13,Spark
14,海量日志收集利器：Flume
15,Impala簡介
16,Hive簡介
17,MapReduce簡介
18海量數據高速存取數據庫 HBase
19,淺談Hadoop管理器yarn原理
20,,分布式全文搜索引擎ElasticSearch Part2
評論0
加載中...
首先肯定需要Java的基礎啊，有了Java基礎還有學習Hadoop和Spark生態體系，再有一些項目實戰+機器學習具備這些技能就可以找工作了
評論0
加載中...
首先先介紹下Java專業和大數據專業要學習的內容
Java開發包括了Java基礎，JavaWeb和JavaEE三大塊
大數據開發包括Java基礎，MySQL基礎，Hadoop(HDFS,MapReduce,Yarn,Hive,Hbase,Zookeeper,Flume,Sqoop等)，Scala語言(類似于Java,Spark階段使用)，Spark(SparkSQL,SparkStreaming,SparkCore等)Kafka,storm,Flink,Redis,Spark內核，ElasticSearch,Logstash,Kibana,Oozie,Azkaban,Kappa,Kylin,Kudu等
java可以說是大數據最基礎的編程語言，
一是因為大數據的本質無非就是海量數據的計算，查詢與存儲，后臺開發很容易接觸到大數據量存取的應用場景
二就是java語言本事了，天然的優勢，因為大數據的組件很多都是用java開發的像HDFS,Yarn,Hbase,MR,Zookeeper等等，想要深入學習，填上生產環境中踩到的各種坑，必須得先學會java然后去啃源碼
說到啃源碼順便說一句，開始的時候肯定是會很難，需要對組件本身和開發語言都有比較深入的理解，熟能生巧慢慢來，等你過了這個階段，習慣了看源碼解決問題的時候你會發現源碼真香
Zookeeper,hadoop,hbase,hive,sqoop,flume,kafka,spark,storm等這些框架的作用及基本環境的搭建，要熟練，要會運維，瓶頸分析
評論0
加載中...
百戰程序員IT問題專業解答
首先，你需要熟悉linux操作系統，大數據是運行在linux上的。
其次，你需要有網絡基礎。大數據一般是多臺服務器組成的集群，通過網絡進行通信。
第三，你需要jave基礎，把常用的類用法夯實。
好吧，現在開始正式學習大數據。
搭建一個hadoop集群，研究他的計算和存儲方式，MapReduce，hdfs。研究他的資源調度方式yarn。接著研究hive，hbase，他們的出現是為了解決hadoop存儲和計算的缺陷。繼續研究spark和flink，計算模型比MapReduce先進的多。
當然，以上這些東西你學會了，需要用java接口來調用他們的api，比如進行MapReduce計算，創建一個hbase表之類的。
評論0
加載中...
首先，你需要熟悉linux操作系統，大數據是運行在linux上的。
其次，你需要有網絡基礎。大數據一般是多臺服務器組成的集群，通過網絡進行通信。
第三，你需要jave基礎，把常用的類用法夯實。
好吧，現在開始正式學習大數據。
搭建一個hadoop集群，研究他的計算和存儲方式，MapReduce，hdfs。研究他的資源調度方式yarn。接著研究hive，hbase，他們的出現是為了解決hadoop存儲和計算的缺陷。繼續研究spark和flink，計算模型比MapReduce先進的多。
當然，以上這些東西你學會了，需要用java接口來調用他們的api，比如進行MapReduce計算，創建一個hbase表之類的。
你可以買幾臺最便宜的云服務器來學習，每月幾百塊錢。
如果幫到您，記得采納。
評論0
加載中...0
回答0
回答0
回答0
回答10
回答0
回答0
回答0
回答0
回答0
回答
