很多初学者在萌生向大数据方向发展的想法之后，不免产生一些疑问，
应该怎样入门？
应该学习哪些技术？
学习路线又是什么？
所有萌生入行的想法与想要学习Java的同学的初衷是一样的。岗位非常火，就业薪资比较高,，前景非常可观。基本都是这个原因而向往大数据，但是对大数据却不甚了解。
如果你想学习，那么首先你需要学会编程，其次你需要掌握数学，统计学的知识，最后融合应用，就可以想在数据方向发展，笼统来说，就是这样的。但是仅仅这样并没有什么帮助。
现在你需要问自己几个问题：
- 对于计算机/软件，你的兴趣是什么？
- 是计算机专业，对操作系统、硬件、网络、服务器感兴趣？
- 是软件专业，对软件开发、编程、写代码感兴趣？
- 还是数学、统计学专业，对数据和数字特别感兴趣。
- 你自己的专业又是什么？
如果你是金融专业，你可以学习，因为这结合起来你自己的专业，将让你在只有你专业知识的竞争者之中脱颖而出，毕竟现在AI+已经涉及到金融行业了。
说了这么多，无非就是想告诉你，大数据的三个大的发展方向：
- 平台搭建/优化/运维/监控；
- 大数据开发/ 设计/ 架构；
- 数据分析/挖掘。
请不要问我哪个容易，只能说能挣钱的都不简单。
我还是要推荐下我自己创建的大数据资料分享群142973723，这是大数据学习交流的地方，不管你是小白还是大牛，小编都欢迎，不定期分享干货，包括我整理的一份适合零基础学习大数据资料和入门教程
说一下大数据的四个典型的特征：
- 数据量大；
- 数据类型繁多，（结构化、非结构化文本、日志、视频、图片、地理位置等）；
- 商业价值高，但需要在海量数据之上，通过数据分析与机器学习快速的挖掘出来；
- 处理时效性高，海量数据的处理需求不再局限在离线计算当中。
现如今，为了应对大数据的这几个特点，开源的大数据框架越来越多，越来越强，先列举一些常见的：
- 文件存储： N、Mesos
- 日志收集：Flume、Scribe、Logstash、Kibana
- 消息系统：Kafka、StormMQ、ZeroMQ、RabbitMQ
- 查询分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
- 分布式协调服务：Zookeeper
- 集群管理与监控：Ambari、Ganglia、Nagios、Cloudera Manager
- 数据挖掘、机器学习：Mahout、Spark MLLib
- 数据同步：Sqoop
- 任务调度：Oozie
是不是眼花缭乱了，上面的这些内容，别谈精通了，就算全部都会使用的，应该也没几个。咱们接下来就大数据开发/ 设计/ 架构方向来了解一下学习路线。
在接下的学习中，不论遇到什么问题，先试试搜索并自己解决。Google首选，其次百度。
于入门者而言，官方文档永远是首选文档。
第一章：Hadoop
在大数据存储和计算中Hadoop可以算是开山鼻祖，现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。
关于Hadoop，你至少需要搞清楚这些是什么：
- Hadoop 1.0、Hadoop 2.0
- MapReduce、HDFS
- NameNode、DataNode
- JobTracker、TaskTracker
- Yarn、ResourceManager、NodeManager
自己学会如何搭建Hadoop，先让它跑起来。建议先使用安装包命令行安装，不要使用管理工具安装。现在都用Hadoop 2.0。
H
