一.大数据方向工作介绍
二.大数据工程师的技能要求
三.大数据学习路径
四.学习资源推荐（书籍、博客、网站）
一.大数据方向工作介绍
大数据方向的工作目前分为三个主要方向:
01.大数据工程师
02.数据分析师
03.大数据科学家
04.其他（数据挖掘本质算是机器学习，不过和数据相关，也可以理解为大数据的一个方向吧）
二.大数据工程师的技能要求
附上二份比较权威的大数据工程师技能图（图侵删）
<img data-rawheight="1058" src="/upload/otherpic7/v2-2712bddb7af89f1955333486b828271e_hd.jpg" data-rawwidth="720" width="720" data-original="/upload/otherpic7/v2-2712bddb7af89f1955333486b828271e_r.jpg"/>
<img data-rawheight="1058" src="/upload/otherpic7/v2-4ab509dd652081d2963cf9cf2a571665_hd.jpg" data-rawwidth="720" width="720" data-original="/upload/otherpic7/v2-4ab509dd652081d2963cf9cf2a571665_r.jpg"/>
总结如下:
必须技能10条:
01.Java高级(虚拟机、并发)
02.Linux 基本操作
03.Hadoop（此处为侠义概念单指HDFS+MapReduce+Yarn ）
04.HBase（JavaAPI操作+Phoenix ）
05.Hive(Hql基本操作和原理理解）
06.Kafka
07.Storm
08.Scala需要
09.Python
10.Spark (Core+sparksql+Spark streaming ）
11.一些小工具(Sqoop等)
高阶技能6条:
11.机器学习算法以及mahout库加MLlib
12.R语言
13.Lambda 架构
14.Kappa架构
15.Kylin
16.Aluxio
三.学习路径
由于本人是从Java开发通过大概3个月的自学转到大数据开发的。所以我主要分享一下自己的学习路劲。
第一阶段:
01.Linux学习（跟鸟哥学就ok了）
02.Java 高级学习（《深入理解Java虚拟机》、《Java高并发实战》）
第二阶段:
03.Hadoop （董西成的书）
04.HBase（《HBase权威指南》）
05.Hive（《Hive开发指南》）
06.Scala（《快学Scala》）
07.Spark （《Spark 快速大数据分析》）
08.Python （跟着廖雪峰的博客学习就ok了）
第三阶段:
对应技能需求，到网上多搜集一些资料就ok了，我把最重要的事情(要学什么告诉你了)，
剩下的就是你去搜集对应的资料学习就ok了
当然如果你觉得自己看书效率太慢，你可以网上搜集一些课程，跟着课程走也OK 。这个完全根据自己情况决定。如果看书效率不高就很网课，相反的话就自己看书。
四.学习资源推荐:
01.Apache 官网
02.Stackoverflow
04.github
03.Cloudra官网
04.Databrick官网
05.大数据学习1 （微信公众号）
06.CSDN，51CTO
07.至于书籍当当一搜会有很多，其实内容都差不多。
最后但却很重要一点:要多关注技术动向，持续学习。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
