一、大數據相關工作介紹
大數據方向的工作目前主要分為三個主要方向:
1. 大數據工程師
2. 數據分析師
3. 大數據科學家
4. 其他（數據挖掘等）
二、大數據工程師的技能要求
附上大數據工程師技能圖：
必須掌握的技能11條
1. Java高級(虛擬機、並發)
2. Linux 基本操作
3. Hadoop（HDFS+MapReduce+Yarn ）
4. HBase（JavaAPI操作+Phoenix ）
5. Hive(Hql基本操作和原理理解）
6. Kafka
7. Storm/JStorm
8. Scala
9. Python
10. Spark (Core+sparksql+Spark streaming ）
11. 輔助小工具(Sqoop/Flume/Oozie/Hue等)
高階技能6條
1. 機器學習算法以及mahout庫加MLlib
2. R語言
3. Lambda 架構
4. Kappa架構
5. Kylin
6. Alluxio
三、學習路徑
加米谷大數據理論＋代碼＋實戰＋實操的獨有課程體系，下面是加米谷的0基礎大數據開發課程大綱：
第一階段：Java設計與編程思想
學習內容：Java設計與編程思想
學習目標：Java基礎、Java面向對象、Java高級、數據庫與JDBC
學習效果：熟練掌握Java語法並靈活運用，能夠開發后台應用
第二階段：Web前端開發
學習內容：Web前端開發
學習目標：HTML基礎、CSS3基礎、JS腳本編程
學習效果：能夠基於HTML+CSS+JQuery進行前端開發
第三階段：JavaEE進階
學習內容：JavaEE進階
學習目標：JavaWeb后端開發、SSM框架
學習效果：掌握主流JavaWeb框架並靈活運用
第四階段：大數據基礎
學習內容：大數據基礎
學習目標：Linux基礎、Maven基礎
學習效果：熟練掌握Linux及Maven等相關知識並靈活運用
第五階段：HDFS分布式文件系統
學習內容：HDFS分布式文件系統
學習目標：HDFS原理剖析、HDFS編程
學習效果：深入理解HDFS的原理並靈活運用
第六階段：MapReduce分布式計算模型
學習內容：MapReduce分布式計算模型
學習目標：MapReduce原理剖析、MapReduce實踐
學習效果：熟練掌握MapReduce原理並靈活運用
第七階段：Yarn分布式資源管理器
學習內容：Yarn分布式資源管理器
學習目標：Yarn原理剖析、Yarn實踐
學習效果：深入理解Yarn的原理並調優
第八階段：Zookeeper分布式協調服務
學習內容：Zookeeper分布式協調服務
學習目標：Zookeeper原理剖析、Zookeeper實踐
學習效果：深入理解Zookeeper的原理並靈活運用
第九階段：Hbase分布式數據庫
學習內容：Hbase分布式數據庫
學習目標：Hbase原理剖析、Hbase編程實踐
學習效果：深入理解Hbase的原理並靈活運用及調優
第十階段：Hive分布式數據倉庫
學習內容：Hive分布式數據倉庫
學習目標：Hive原理剖析、Hive編程實踐
學習效果：深入理解Hive的原理並靈活運用
第十一階段：FlumeNG分布式數據采集系統
學習內容：FlumeNG分布式數據采集系統
學習目標：FlumeNG原理剖析、FlumeNG編程實踐
學習效果：熟練掌握FlumeNG的各種應用場景
第十二階段：Sqoop大數據遷移系統
學習內容：Sqoop大數據遷移系統
學習目標：Sqoop原理剖析、Sqoop編程實踐
學習效果：熟練掌握Sqoop並靈活運用
第十三階段：Scala大數據黃金語言
學習內容：Scala大數據黃金語言
學習目標：Scala語法剖析、Scala應用實踐
學習效果：熟練掌握Scala各種語法並靈活運用
第十四階段：kafka分布式總線系統
學習內容：kafka分布式總線系統
學習目標：kafka原理剖析、kafka編程實踐
學習效果：深入理解kafka原理並靈活運用及調優
第十五階段：SparkCore大數據計算基石
學習內容：SparkCore大數據計算基石
學習目標：SparkCore核心原理、SparkCore實踐
學習效果：深入理解SparkCore原理並靈活運用及調優
第十六階段：SparkSQL數據挖掘利器
學習內容：SparkSQL數據挖掘利器
學習目標：SparkSQL核心原理、SparkSQL實踐
學習效果：熟練掌握SparkSQL的各種應用場景並靈活運用
第十七階段：SparkStreaming流失計算平台
學習內容：SparkStreaming流失計算平台
學習目標：SparkStreaming核心原理、SparkStreaming實踐
學習效果：深入理解SparkStreaming原理及各種應用場景和調優
第十八階段：SparkMllib機器學習平台
學習內容：SparkMllib機器學習平台
學習目標：SparkMllib算法模型及核心原理、SparkMllib實踐
學習效果：熟練掌握SparkMllib的常用算法並靈活運用
第十九階段：SparkGraphx圖計算平台
學習內容：SparkGraphx圖計算平台
學習目標：SparkGraphx核心原理、SparkGraphx實踐
學習效果：深入理解SparkGraphx的原理並靈活運用
第二十階段：大數據項目實戰
學習內容：大數據項目實戰
學習目標：4個大數據項目的實戰
學習效果：能夠基於所學知識在真實的項目中操練
人工智能、大數據、雲計算和物聯網的未來發展值得重視，均為前沿產業，有興趣的朋友，可以查閱多智時代，在此為你推薦幾篇優質好文：
---------------------
作者：duozhishidai
來源：CSDN
原文：https://blog.csdn.net/duozhishidai/article/details/82976709
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！