自2013年起，無論是 BAT 還是傳統的商業公司，都陸續在自己的軟體系統中大規模使用大資料技術。不僅如此，越來越多的軟體工程師開始轉型成為大資料工程師，從事大資料開發與應用的工作。市場對於大資料的人才需求與日俱增，大資料方向儼然成為了業內炙手可熱的職位。

但是，不論是大資料的技術還是應用，都始終處於動態變化的過程中。這對很多剛開始接觸大資料、考慮使用大資料的人來說，無疑帶來了很多困惑。

• 天天聽別人講大資料，自己也看了不少資料，卻不得要領，看不到完整的知識輪廓。

• 即使工作和大資料相關，但仍不清楚大資料平臺究竟是如何運作的，該怎麼突破。

• 從事大資料工作但不懂其原理，給大資料部門提個需求，一句“不好做”就被擋回來，發展有瓶頸。

如果你也有這樣的困惑，不要著急。由於大資料的知識體系過於繁雜，沒有專家的明晰指導，很多人都難以真正入門，更不用說通過構建知識體系達到融會貫通了。

很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大資料學習qq群：458345782，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國內最完整的大資料高階實戰實用學習流程體系

模組1：Hadoop大資料原理與架構

為什麼講大資料都要從Hadoop開始？大資料的問題和挑戰不同以往，它的處理方法與技巧也頗有不同。理解大資料面對的問題以及處理技巧，是構建大資料知識體系的源頭。理解大資料，從理解Hadoop開始。

模組2：大資料生態體系主要產品原理與架構

大資料領域不只有Hadoop，還有資料倉庫Hive、NoSQL系統HBase、計算引擎Spark、流計算引擎Storm、Flink，以及分散式一致性解決方案ZooKeeper等，它們構成了一個完整的大資料生態體系，解決各種場景下的不同問題。

模組3：大資料開發實踐

本模組以大資料開發者的視角重新審視大資料的各個方面，結合作者在阿里巴巴、Intel從事大資料開發的實踐經歷，從“局內人”的視角為你揭祕大資料開發的內裡乾坤。

模組4：大資料平臺與系統整合

大資料從哪裡來？算出來的結果又到哪裡去？如何將大資料技術整合到當前系統中去？需不需要自己開發？有沒有商業的解決方案？這可能是使用大資料時最迫切需要解決的問題。

模組5：大資料分析與運營

資料分析是大資料應用的一個重要場景，網際網路企業運營常用的資料分析指標有哪些？如何呈現？資料分析結果異常了，企業關鍵績效指標下滑了，該如何去追蹤定位其原因？這些應用場景和問題答案都可以在本模組中找到。

模組6：大資料演算法

大資料最激動人心的應用還是大資料機器學習，但大資料機器學習演算法是不是真的有那麼難？數學不好還能不能學好、用好大資料演算法呢？這個模組告訴你，其實大資料演算法並不難，原理一樣很簡單。