對於進入進入新的行業，尤其是IT行業，每個人都會有擔憂，這很正常，不論你有沒有過經驗都不免有些擔憂。一方面，是因為你在此之前總聽流言說程式設計如何如何難，工作是多麼多麼累，但它們就像老奶奶講的嚇人故事，是用來唬孩子們去學習社會科學而已。而另一方面，人們對於未知的事情總是充滿著“恐懼”。其實無論是學習IT還是學習大資料開發，大家都是從0開始的，即使你沒有基礎也無需擔心，畢竟大家最開始都是從小白度過的。

Java、python等等IT領域的開發人員如今都紛紛轉型大資料，究其原因無非是大資料開發領域薪資高，且因為他們有程式設計基礎，所以轉型比較快。那麼對於那些程式設計小白該如何去學習大資料開發呢？如何擺脫0基礎的困境呢？

第一、小白學習大資料開發，心態很重要

對於陌生的知識領域，大家最開始接觸的時候都不免有些困惑，會對自己產生懷疑，就像我們打遊戲一樣。剛開始總是操作不當、找不到該按的按鈕、也不懂的團隊配合，而當我們玩過幾局之後就很快能夠和大家一起進行遊戲了。所以0基礎的小白學習大資料時，心態一定要擺正，要相信自己，剛開始我們要學習大資料開發所需的語言、語法，因為他是計算機語言，我們需要一定的時間適應、摸索，等我們掌握基礎之後就會感受到它的樂趣，自然也就不會覺得難了。

 

大資料學習可以加群：868847735  視訊資料一起學習

 

第二、課程安排很重要，有計劃學習

小白學習大資料開發，最忌諱盲目的沒有計劃的學習，擺脫了系統學習計劃，結果必然“一塌糊塗”。所以建議小白學習大資料開發最好還是參加大資料培訓班效果更好。比如海牛學院，就為學生制定了詳細的課程安排，從java開始一步步深入到大資料開發的各個知識點（詳情見海牛大資料課程大綱）。與學習其他知識一樣，有計劃效能夠快速的直達目的地。

第三、互幫互助，在實訓中提升自己

一人為孤，三人為眾，獨自學習往往讓人感到困惑，而如果能夠找到一群志同道合的人一起學習，那麼學習更有動力，這也就是“氛圍”的重要性。所以，建議小白去培訓班進行學習。在這裡不僅有共同努力的同學，還有大牛老師為你指導，相信學習效率一定會得到巨大的提升。而且，大資料培訓機構一般都會為學員提供實訓專案，讓學員在實際操作中提升自己，當然，實訓的目的之一是讓大家將知識融會貫通，另一個目的卻是讓大家在實訓中體會到團隊協作的重要性，這在以後的工作中意義重大。

第四、習慣的保持

無論學習什麼，都不能有三分鐘熱度的心態，不能有“三天打魚兩天晒網”的心理。在終身學習的年代裡，如果你不能夠真正的養成一個良好的學習習慣，那麼最後受傷的還是自己。

小白學習大資料開發的難度其實並不高，關鍵是看你想不想學，每個人都是從小白過渡而來，別人能做好，相信你也可以。所以，0基礎並不是學習大資料的限制，也不是你學不好的理由，只要你能夠持堅持學習，那麼你一樣可以學懂大資料開發，成為一名專業的人才。

 

第一階段：大資料基礎Java語言基礎階段

Java語言基礎學習線路圖

詳細知識點介紹：

Java開發介紹：

Java的發展歷史，Java的應用領域，Java語言的特性，Java面向物件，Java效能分類， 搭建Java環境，Java工作原理

熟悉Eclipse開發工具：

Eclipse簡介與下載，安裝Eclipse的中文語言包， Eclipse的配置與啟動，

Eclipse工作臺與檢視，“包資源管理器”檢視， 使用Eclipse， 使用編輯器編寫程式程式碼

Java語言基礎：

Java主類結構，基本資料型別， 變數與常量，Java運算子， 資料型別轉換， 程式碼註釋與編碼規範，Java幫助文件

Java流程控制：

複合語句， 條件語句，if條件語句， switch多分支語句，while迴圈語句， do…while迴圈語句， for迴圈語句

Java字串：

String類， 連線字串， 獲取字串資訊， 字串操作， 格式化字串， 使用正則表示式，字串生成器

Java陣列與類和物件：

陣列概述，一維陣列的建立及使用，二維陣列的建立及使用，陣列的基本操作，陣列排序演算法，Java的類和構造方法、Java的物件，屬性和行為

數字處理類與核心技術：

數字格式化與運算，隨機數 與大資料運算，類的繼承與Object類，物件型別的轉換，使用instanceof操作符判斷物件型別，方法的過載與多型，抽象類與介面

I/O與反射、多執行緒：

流概述與File類，檔案 輸入/輸出流，快取 輸入/輸出流， Class類與Java反射，Annotation功能型別資訊，列舉型別與泛型，建立、操作執行緒與執行緒安全

Swing程式與集合類：

常用窗體，標籤元件與圖示，常用佈局管理器 與面板，按鈕元件 與列表元件，常用事件監聽器，集合類概述，Set集合 與Map集合及介面

PC端網站佈局：

HTML基礎，CSS基礎，CSS核心屬性，CSS樣式層疊，繼承，盒模型，容器，溢位及元素型別，瀏覽器相容與寬高自適應，定位，錨點與透明，圖片整合，表格，CSS屬性與濾鏡，CSS優化

HTML5+CSS3基礎：

HTML5新增的元素與屬性， CSS3選擇器，文字字型相關樣式，CSS3位移與變形處理，CSS3 2D、3D轉換與動畫，彈性盒模型，媒體查詢，響應式設計

WebApp頁面佈局專案：

移動端頁面設計規範，移動端切圖，文字流式/控制元件彈性/圖片等比例的佈局，等比縮放佈局，viewport/meta，rem/vw的使用，flexbox詳解，移動web特別樣式處理

原生JavaScript功能開發：

原生JavaScript功能開發，JavaScript使用及運作原理，JavaScript基本語法，JavaScript內建物件，事件，事件原理，JavaScript基本特效製作，cookie儲存，正則表示式

Ajax非同步互動：

Ajax概述與特徵，Ajax工作原理，XMLHttpRequest物件，同步與非同步，Ajax非同步互動，Ajax跨域問題，Ajax資料的處理，基於WebSocket和推送的實時互動

JQuery應用：

各選擇器使用及應用優化，Dom節點的各種操作，事件處理、封裝、應用，jQuery中的各類動畫使用，可用性表單的開發，jQuery Ajax、函式、快取， jQuery編寫外掛、擴充套件、應用，理解模組式開發及應用

資料庫：

Mysql資料庫，JDBC開發，連線池和DBUtils，Oracle介紹，MongoDB資料庫介紹，apache伺服器/Nginx伺服器，Memcached記憶體物件快取系統

JavaWeb開發核心：

XML技術，HTTP協議，Servlet工作原理解析，深入理解Session與Cookie，Tomcat的系統架構與設計模式，JSP語法與內建物件，JDBC技術，大瀏覽量系統的靜態化架構設計

JavaWeb開發內幕：

深入理解Web請求過程，Java I/O的工作機制，Java Web中文編碼，Javac編譯原理，class檔案結構，ClassLoader工作機制，JVM體系結構與工作方式，JVM記憶體管理

第二階段：Linux系統Hadoop生態體系

 

大資料學習可以加群：868847735  視訊資料一起學習

Linux系統Hadoop生態體系學習線路圖

詳細知識點介紹：

Linux體系：

VMware Workstation虛擬軟體安裝過程、CentOS虛擬機器安裝過程，瞭解機架伺服器，採用真實機架伺服器部署linux，Linux的常用命令：常用命令的介紹、常用命令的使用和練習，Linux系統程序管理基本原理及相關管理工具如ps、pkill、top、htop等的使用，Linux啟動流程，執行級別詳VI、VIM編輯器：VI、VIM編輯器的介紹、VI、VIM扥使用和常用快捷鍵， Linux使用者和組賬戶管理：使用者的管理、組管理，Linux磁碟管理，lvm邏輯卷，nfs詳解，Linux系統檔案許可權管理：檔案許可權介紹、檔案許可權的操作，Linux的RPM軟體包管理：RPM包的介紹、RPM安裝、解除安裝等操作，yum命令，yum源搭建，Linux網路：Linux網路的介紹、Linux網路的配置和維護，Shell程式設計，Shell的介紹、Shell指令碼的編寫

Linux上常見軟體的安裝：

安裝JDK、安裝Tomcat、安裝mysql,web專案部署

Hadoop離線計算：

Hadoop生態環境介紹，Hadoop雲端計算中的位置和關係，國內外Hadoop應用案例介紹，國內外Hadoop應用案例介紹，Hadoop 概念、版本、歷史，Hadoop 核心組成介紹及hdfs、mapreduce 體系結構，Hadoop 的叢集結構，Hadoop 偽分佈的詳細安裝步驟，通過命令列和瀏覽器觀察hadoop，HDFS底層&& datanode,namenode詳解&&shell&&Hdfs java api，Mapreduce四個階段介紹，Writable，InputSplit和OutputSplit，Maptask，Shuffle：Sort，Partitioner，Group,Combiner，Reducer，Mapreducer案例：二次排序， 倒排序索引， 最優路徑，電信資料探勘之-----移動軌跡預測分析（中國稜鏡計劃），社交好友推薦演算法，網際網路精準廣告推送演算法，Hadoop離線計算大綱，阿里巴巴天池大資料競賽 《天貓推薦演算法》，Mapreduce實戰pagerank演算法，Hadoop2.x叢集結構體系介紹，Hadoop2.x叢集搭建，NameNode的高可用性（HA），HDFS Federation，ResourceManager 的高可用性（HA），Hadoop叢集常見問題和解決方法，Hadoop叢集管理

分散式資料庫Hbase：

Hbase簡介，HBase與RDBMS的對比，資料模型，系統架構，HBase上的MapReduce，表的設計，叢集的搭建過程講解，叢集的監控，叢集的管理，HBase Shell以及演示， Hbase 樹形表設計，Hbase 一對多 和 多對多 表設計，Hbase 微博 案例，Hbase 訂單案例，Hbase表級優化，分散式資料庫Hbase，Hbase 寫資料優化，Hbase 讀資料優化Hbase API操作，hbase mapdreduce 和hive 整合

資料倉庫Hive：

資料倉庫基礎知識，Hive定義，Hive體系結構簡介，Hive叢集，客戶端簡介，HiveQL定義，HiveQL與SQL的比較，資料型別，外部表和分割槽表，ddl與CLI客戶端演示，dml與CLI客戶端演示，select與CLI客戶端演示，Operators 和 functions與CLI客戶端演示，Hive server2 與jdbc，使用者自定義函式（UDF 和 UDAF）的開發與演示，Hive 優化，serde

資料遷移工具Sqoop：

Sqoop簡介以及使用，Sqoop shell使用，Sqoop-import，DBMS-hdfs，DBMS-hive，DBMS-hbase，Sqoop-export

Flume分散式日誌框架：

flume簡介-基礎知識，flume安裝與測試，flume部署方式，flume source相關配置及測試，flume sink相關配置及測試，flume selector 相關配置與案例分析，flume Sink Processors相關配置和案例分析，flume Interceptors相關配置和案例分析，flume AVRO Client開發，flume 和kafka 的整合

第三階段：分散式計算框架Spark&Storm生態體系

分散式計算框架Spark&Storm生態體系學習線路圖

詳細知識點介紹：

Scala程式語言：

scala直譯器、變數、常用資料型別等，scala的條件表示式、輸入輸出、迴圈等控制結構，scala的函式、預設引數、變長引數等，scala的陣列、變長陣列、多維陣列等，scala的對映、元組等操作，scala的類，包括bean屬性、輔助構造器、主構造器，scala的物件、單例物件、伴生物件、擴充套件類、apply方法等，scala的包、引入、繼承等概念，scala的特質，scala的操作符，scala的高階函式，scala的集合，scala資料庫連線

Spark大資料處理：

Spark介紹，Spark應用場景，Spark和Hadoop MR、Storm的比較和優勢， RDD，Transformation，Action，Spark計算PageRank，Lineage， Spark模型簡介，Spark快取策略和容錯處理，寬依賴與窄依賴，Spark配置講解，Spark叢集搭建，叢集搭建常見問題解決，Spark原理核心元件和常用RDD，資料本地性，任務排程，DAGScheduler，TaskScheduler，Spark原始碼解讀，效能調優，Spark和Hadoop2.x整合：Spark on Yarn原理

Spark—Streaming大資料實時處理：

Spark Streaming：資料來源和DStream ，無狀態transformation與有狀態transformation，Streaming Window的操作，sparksql 程式設計實戰，spark的多語言操作，spark最新版本的新特性

Spark—Mlib機器學習：

Mlib簡介，Spark MLlib元件介紹，基本資料型別，迴歸演算法，廣義線性模型，邏輯迴歸，分類演算法，樸素貝葉斯，決策樹，隨機森林，推薦系統，聚類

Spark—GraphX 圖計算：

二分圖，構造圖， 屬性圖，PageRank

3.5.2 概述 構造圖，屬性圖，PageRank

storm技術架構體系：

專案技術架構體系，Storm是什麼，Storm架構分析，Storm程式設計模型、Tuple原始碼、併發度分析，

Transformation，Maven環境快速搭建，Storm WordCount案例及常用Api，Storm+Kafka+Redis業務指標計算，3.6.9 Storm叢集安裝部署，Storm原始碼下載編譯

Storm原理與基礎：

Storm叢集啟動及原始碼分析，Storm任務提交及原始碼分析，Storm資料傳送流程分析，Strom通訊機制分析淺談，Storm訊息容錯機制及原始碼分析，Storm多stream專案分析，Storm Trident和感測器資料，實時趨勢分析，Storm DRPC(分散式遠端呼叫)介紹，Storm DRPC實戰講解，編寫自己的流式任務執行框架

訊息佇列kafka：

訊息佇列是什麼，kafka核心元件，kafka叢集部署實戰及常用命令，kafka配置檔案梳理，kafka JavaApi學習，kafka檔案儲存機制分析，kafka的分佈與訂閱，kafka使用zookeeper進行協調管理

Redis工具：

nosql介紹，redis介紹，redis安裝，客戶端連線，redis的資料功能，redis持久化，redis應用案例

zookeeper詳解：

zookeeper簡介，zookeeper的叢集部署，zookeeper的核心工作機制，zookeeper的命令列操作，zookeeper的客戶端API，zookeeper的應用案例，zookeeper的原理補充

第四階段：大資料專案實戰

 

第五階段：大資料分析方向AI(人工智慧)

 

詳細知識點介紹：

Python程式設計&&Data Analyze工作環境準備&資料分析基礎：

介紹Python以及特點，Python的安裝，Python基本操作（註釋、邏輯、 字串使用等），Python資料結構（元組、列表、字典），使用Python進行批量重新命名小例子，Python常見內建函式，更多Python函式及使用常見技巧，異常，Python函式的引數講解，Python模組的匯入，網路爬蟲案例，資料庫連線，以及pip安裝模組，Mongodb基礎入門，講解如何連線mongodb，Python的機器學習案例，AI&&機器學習&&深度學習概論，工作環境準備，資料分析中常用的Python技巧，Pandas進階及技巧，資料的統計分析

資料視覺化：

資料視覺化的概念，圖表的繪製及視覺化，動畫及互動渲染，資料合併、分組

Python機器學習：

機器學習的基本概念，ML工作流程，Python機器學習庫scikit-learn，KNN模型，線性迴歸模型，邏輯迴歸模型，支援向量機模型，決策樹模型，超引數&&學習引數，模型評價指標，交叉驗證，機器學習經典演算法，樸素貝葉斯，隨機森林，GBDT

影象識別&&神經網路：

影象操作的工作流程，特徵工程，影象特徵描述，AI網路的描述，深度學習，TensorFlow框架學習，TensorFlow框架卷積神經網路（CNN）

自然語言處理&&社交網路處理：

Python文字資料處理，自然語言處理及NLTK，主題模型，LDA，圖論簡介，網路的操作及資料視覺化。

大資料學習可以加群：868847735  視訊資料一起學習