一、首先要抱著學習的心態；

　　什麼事學習的心態呢？不要想著自己學不會、很難學、學不懂這些，任何事情，只要你付出努力就會收穫回報，所以說要有一顆良好的學習心態。

　　二、你要知道什麼事大資料技術；

　　簡而言之，從大資料中提取大價值的挖掘技術。專業的說，就是根據特定目標，從資料收集與儲存，資料篩選，演算法分析與預測，資料分析結果展示，以輔助作出最正確的抉擇，其資料級別通常在PB以上，複雜程度前所未有。

　　三、自學或者找一家專業的培訓機構；

　　為什麼要分兩種來講呢，這兩個各有好處。

　　①自學：想要自學，首先你是有一定的基礎的，而卻對自己非常自信，自控能力強的，最好是身邊有從事大資料技術的朋友的。只有你具備以上條件，你再買一些相關學習資料，就可以自學了。但是這個方法只適用於小部分人，因為現在很多人對大資料技術都不是很瞭解，所以說，還是選擇另一種辦法吧。

　　②找一家專業的培訓機構：這個是適用於大多數人的，找一家專業的大資料培訓機構能讓自己少走很多彎路，更系統的學習，提升的也更快。但是有人覺得在外面培訓機構學習很花錢，還不如自己自學，自己慢慢摸索。有這種想法的人有很多，首先你要明白一個道理，學習是為了什麼？肯定是提升自己，相當於是對自己的一個投資，你只有現在對自己投資了，未來才會得到相應的回報。雖然說“投資有風險”，但是這個風險是在於你自己學習是否認真，要是你自己學習都不認真的話你還談什麼回報呢，有付出才有收穫，你憑什麼讓老闆無緣無故給你加薪。

　　四、最後一點，努力努力再努力！

　　真誠的希望大家能透過自己的努力找到好工作，拿到自己滿意的薪資！

因為大資料前景好，薪資高，很多人想透過參加學習大資料，然後進入大資料行業發展。但是因為大資料的門檻較高，對於學習人員有一定的要求，那麼學習大資料需要什麼基礎知識呢？

大家一起來了解下對於大資料學習者本身的學歷水平的要求。

目前大多數的機構，對於大資料學習者要求必須是大專學歷以上，而且大專學歷還要求是理工科相關專業的，如果是本科及本科以上的，則對專業要求適當的放寬。同時大資料分為兩大方向：大資料開發和資料分析。

這兩大方向的對於基礎知識的要求不同，資料分析偏向應用層面，對於程式設計要求不高，相較而言對於基礎知識這塊要求低一點。

一、大資料相關工作介紹

大資料方向的工作目前主要分為三個主要方向:

大資料工程師

資料分析師

大資料科學家

其他（資料探勘等）

二、大資料工程師的技能要求

附上大資料工程師技能圖：

Java高階(虛擬機器、併發)

Linux 基本操作

Hadoop（HDFS+MapReduce+Yarn ）

HBase（JavaAPI操作+Phoenix ）

Hive(Hql基本操作和原理理解）

Kafka

Storm/JStorm

Scala

Python

Spark (Core+sparksql+Spark streaming ）

輔助小工具(Sqoop/Flume/Oozie/Hue等)

高階技能6條

機器學習演算法以及mahout庫加MLlib

R語言

Lambda 架構

Kappa架構

Kylin

Alluxio

學習路徑

假設每天可以抽出3個小時的有效學習時間，加上週末每天保證10個小時的有效學習時間；

3個月會有（21*3+4*2*10）*3=423小時的學習時間。

（基礎階段）

1）Linux學習

Linux作業系統介紹與安裝。

Linux常用命令。

Linux常用軟體安裝。

Linux網路。

防火牆。

Hadoop入門，瞭解什麼是Hadoop

1、Hadoop產生背景

2、Hadoop在大資料、雲計算中的位置和關係

3、國內外Hadoop應用案例介紹

4、國內Hadoop的就業情況分析及課程大綱介紹

5、分散式系統概述

6、Hadoop生態圈以及各組成部分的簡介

7、Hadoop核心MapReduce例子說明

二、分散式檔案系統HDFS，是資料庫管理員的基礎課程

1、分散式檔案系統HDFS簡介

2、HDFS的系統組成介紹

3、HDFS的組成部分詳解

4、副本存放策略及路由規則

5、NameNode Federation

6、命令列介面

7、Java介面

8、客戶端與HDFS的資料流講解

9、HDFS的可用性（HA）

三、初級MapReduce，成為Hadoop開發人員的基礎課程

1、如何理解map、reduce計算模型

2、剖析偽分散式下MapReduce作業的執行過程

3、Yarn模型

4、序列化

5、MapReduce的型別與格式

6、MapReduce開發環境搭建

7、MapReduce應用開發

8、更多示例講解，熟悉MapReduce演算法原理

四、高階MapReduce，高階Hadoop開發人員的關鍵課程

1、使用壓縮分隔減少輸入規模

2、利用Combiner減少中間資料

3、編寫Partitioner最佳化負載均衡

4、如何自定義排序規則

5、如何自定義分組規則

6、MapReduce最佳化

7、程式設計實戰

五、Hadoop叢集與管理，是資料庫管理員的高階課程

1、Hadoop叢集的搭建

2、Hadoop叢集的監控

3、Hadoop叢集的管理

4、叢集下執行MapReduce程式

六、ZooKeeper基礎知識，構建分散式系統的基礎框架

1、ZooKeeper體現結構

2、ZooKeeper叢集的安裝

3、操作ZooKeeper

七、HBase基礎知識，面向列的實時分散式資料庫

1、HBase定義

2、HBase與RDBMS的對比

3、資料模型

4、系統架構

5、HBase上的MapReduce

6、表的設計

八、HBase叢集及其管理

1、叢集的搭建過程講解

2、叢集的監控

3、叢集的管理

九、HBase客戶端

1、HBase Shell以及演示

2、Java客戶端以及程式碼演示

十、Pig基礎知識，進行Hadoop計算的另一種框架

1、Pig概述

2、安裝Pig

3、使用Pig完成手機流量統計業務

十一、Hive，使用SQL進行計算的Hadoop框架

1、資料倉庫基礎知識

2、Hive定義

3、Hive體系結構簡介

4、Hive叢集

5、客戶端簡介

6、HiveQL定義

7、HiveQL與SQL的比較

8、資料型別

9、表與表分割槽概念

10、表的操作與CLI客戶端演示

11、資料匯入與CLI客戶端演示

12、查詢資料與CLI客戶端演示

13、資料的連線與CLI客戶端演示

14、使用者自定義函式（UDF）的開發與演示

十二、Sqoop，Hadoop與rdbms進行資料轉換的框架

1、配置Sqoop

2、使用Sqoop把資料從MySQL匯入到HDFS中

3、使用Sqoop把資料從HDFS匯出到MySQL中

十三、Storm

1、Storm基礎知識：包括Storm的基本概念和Storm應用

場景，體系結構與基本原理，Storm和Hadoop的對比

2、Storm叢集搭建：詳細講述Storm叢集的安裝和安裝時常見問題

3、Storm元件介紹: spout、bolt、stream groupings等

4、Storm訊息可靠性：訊息失敗的重發

5、Hadoop 2.0和Storm的整合：Storm on YARN

6、Storm程式設計實戰

難不難學肯定是看個人情況，每個人的學習能力理解能力，如果學習能力強的人學習應該就是覺得不難學，不管學習什麼其實都差不多，都是要付出努力才會得到收穫的， 萬事開頭難，只要認真學不管學習都還是學得會的，現在學習華為的大資料還好，這是華為公司推出大資料方面的認證證書，考取到華為大資料證書，之後也好找工作些。

難學不難學，這都是一個相對的說法

這就要看你自己的基礎和學歷能力了

大資料涉及的方面比較廣泛，有技術層面的，也有業務層面的

懂技術的同時，要對業務有一定的理解，這樣才能讓技術更符合業務發展的需求，和技術落地

學習大資料，要學習統計學的知識，還有相關語言和工具，可能還要涉及人工智慧

在學習大資料的時候，不要考慮難度，要考慮的是你能夠為之付出多少的努力，以及相應的教學資源。畢竟努力是與結果成正比的嘛。零基礎的話推薦是先開始學習Java，在學大資料，這樣學起來也輕鬆不會那麼吃力，你有一定的Java基礎才可以直接學習大資料。

現在是大資料時代，大資料的應用場景在不斷的深入，產生的影響也在不斷的加大。隨著國家戰略的支援和大資料技術的快速發展，前景是很不錯的，如果決定從事這行可以瞭解一下北京尚學堂的輔導班課程，面向就業的，針對有無Java開發經驗分為零基礎大資料班和大資料高手班，針對每個學員的自身情況推薦適合的課程，讓學員有更多的選擇，實行小班制，老師1對1輔導，系統化課程+大型企業級實戰專案+大咖級別技術老師輔導，這麼好的課程和服務，學不好都難，在尚學堂學習你只需全身心負責學習，其他的老師就幫你解決了。

大資料的學習有一定難度，但是如果能有一個系統的學習計劃，入門大資料也並不是那麼困難。要想入門大資料需要做好以下幾個方面的準備：

第一，根據自身的知識結構找切入點。大資料的基礎知識涵蓋三部分內容，分別是計算機、數學和統計學，如果是這三個專業的畢業生，那麼可以比較容易的進入大資料領域，可以從事的崗位也比較多（資料採集、資料整理、資料儲存、資料分析、資料呈現等）。如果是非相關專業，那麼要從計算機基礎知識入手，比如首先要熟練使用Linux系列作業系統（CentOS、Ubuntu等），因為大部分大資料平臺都是基於Linux系統搭建的。

第二，瞭解大資料平臺。目前Hadoop與Spark是比較常見的大資料平臺，很多商用大資料平臺也是基於Hadoop構建的，所以掌握Hadoop和Spark平臺的搭建是學習大資料的基礎。Hadoop平臺對計算機硬體的要求並不高，個人電腦就可以完成搭建，所以比較適合初學者。

第三，掌握程式語言。不管從事大資料哪個方面的工作，掌握一門程式語言都是很有必要的，比如Java、Python、Scala、R等語言在大資料領域都有廣泛的使用。

入門大資料需要一段時間，畢竟大資料涉及到的內容比較多，也比較雜。按照歷史經驗來看，入門大資料最好的辦法是以用促學，一邊使用一邊學習能促進大資料的學習，也能夠讓學習逐漸深入。所以，建議學習大資料要跟著案例走。

如果有大資料方面的問題，也可以諮詢我。

如果本科階段學習大資料確實太難了！

1：本科你主要是學習瞭解很多基礎語言知識，資料庫，作業系統，注意這只是“瞭解”而已。把這些知識瞭解完畢，在企業中最多幹的活就是系統維護員的角色。

2：大資料是什麼？是指對某類問題的特定程式開發，比如現在能看到的大資料應用：

養豬場透過影片對豬臉，身材的智慧識別。

道路攝像頭針對車輛的超速，套牌，罪犯人物進行的識別。

醫院領域對有問題的部位進行的比對。

總結這些具體問題你要把程式寫出來，還要智慧一點，這是最頂級的程式開發應用。

你說是一般人乾的嗎，你真的能走到這個金字塔頂尖嗎？

大資料本身的概念不算難，我們要弄清楚大資料的好處，當樣本量達到一定級別資料之間的關係會更有規律，這就像我們擲硬幣一樣，如果重複十次有可能出現十次都是正面，但是當我們重複上萬次之後基本上正反面的次數會一致。同樣的道理我們可以從大量的樣本中統計出事物本質的規律。然後再來看大資料需要哪些基礎理論知識，首先是機率論與數理統計，整個世界的規律就是統計的規律，所以數學的基礎理論知識是非常重要的，從事大資料研究的大牛也基本是數學出身或者數學非常好的，然後是資料探勘。現在很多宣稱自己是大資料的公司都是假牙，上個伺服器多弄些資料就說自己是大資料！大資料對樣本資料的採集也是有要求的，並不是只要是相關樣本就行。還有一點大資料的未來是可期的，非常有前景的。然後再回到你的問題上來，如果你對數學有興趣可以學習大資料，如果你對自己的數學學習不是很有信心，慎重考慮！

隨著大資料技術及產業的發展進步，大資料的工作不斷細分。難不難我覺得取決於你的目標。

比如，大資料儲存與計算，主流的是以HADOOO生態為主，如果能有實踐機會、有實際專案接觸的話，學習進步得會很快的。這一塊對應於傳統的 IT Infrastructure，隨著軟硬體解決方案的成熟，將來應該會走向外包或服務（如IaaS, PaaS等）。

隨著無人駕駛，人工智慧的快速發展，資料標註工作的需求會很大，這個是人力資源密集型的，門檻很低。坦率地講，大部分不需要太多的技能。

往高一點的就是懂得機器學習演算法，會調引數的，聽起來挺高科技的，如果沒有踏實的統計學，數學功底，技術上和傳統IT比高不到哪裡去。

更高一點的就是建模，資料產品化等。這個對數學基礎、工程實踐、業務理解等要求較高。筆者也是個半罐子哈，但是感覺要做好真不容易，而且需要堅持不懈地努力。

1、讀原始碼

2、原理剖析

3、抄程式碼

4、執行

5、默寫程式碼

6、專案跟進。最重要的是專案跟進，將教會你所掌握的程式設計技術在實際應用中如何使用，也就是你在未來工作中的工作如何進行。

大資料和雲計算，物聯網，是未來計算機技術發展的主要三個方向，出來的話都是搶手的人才，但是大資料學習起來並不是那麼容易的，首先自學就非常難。

都說最好的學習是在實踐中，首先應該抱著學習的心態，雖說大資料薪資待遇非常可觀，就業前景也非常不錯，但是不建議在最初帶過多功利心理，容易影響學習心態，然後就是要了解什麼是大資料，再來就是給自己一個學習目標，找個靠譜的地方進行系統專業的學習。

我對IT非常有興趣，有朋友也感興趣的話可以私聊我，咱們一起交流學習

學習大資料首先要根據自身的知識結構選擇學習方向，比如數學和統計學專業的學生可以選擇資料分析方向，而計算機專業的學生可以選擇大資料開發方向，不同的學習方向需要制定不同的學習計劃。

即將學習大資料，一點建議：

1、在校生：

學好數學，特別是機率論、數理統計；學好計算機基礎知識，比如資料結構、演算法、作業系統等這些是內功，工作之後沒那麼時間讓你係統的學習這些知識。

2、已畢業的：

不要聽信他人學大資料沒用這樣說法，如果你適合學習大資料，適合做大資料工程師，只要你認真學習，認真練習，認真做專案，就業不會是個大問題。

相關：

給計算機科學專業畢業學生的職業建議

https://www.toutiao.com/i6611375931896365575/

首先，讓我們來了解一下，大資料需要學習哪些技術?

1、Java——Java可以編寫桌面應用程式、Web應用程式、分散式系統和嵌入式系統應用程式，是大資料學習的基礎;

2、Linux——大資料開發通常在Linux環境下進行;

3、Hadoop——分散式系統基礎架構，使用者可以充分利用叢集的威力進行高速運算和儲存;

4、Avro與Protobuf——資料序列化系統，可以提供豐富的資料結構型別;

5、HBase——分散式的、面向列的開源資料庫，是一個適合於非結構化資料儲存的資料庫;

6、ZooKeeper——Hadoop和Hbase的重要元件;

7、Hive——基於Hadoop的一個數據倉庫工具 ;

8、phoenix——用Java編寫的基於JDBC API操作HBase的開源SQL引擎;

9、Redis——key-value儲存系統;

10、Flume——高可用、高可靠、分散式的海量日誌採集、聚合和傳輸的系統;

11、SSM——Spring、SpringMVC、MyBatis三個開源框架;

12、Kafka——一種高吞吐量的分散式釋出訂閱訊息系統;

13、Spark——專為大規模資料處理而設計的快速通用的計算引擎 ;

14、Scala——大資料開發重要框架的程式語言;

15、Azkaban——可完成大資料流任務排程;

16、Python與資料分析——可用於資料採集、資料分析以及資料視覺化;對於沒有基礎的人來說，學大資料難嗎?

如果是計算機專業的學生，學大資料相對來說還是有一定基礎的，會比非計算機專業的人士好很多。由於現在各大高校幾乎沒有大資料專業，想學大資料的話，到計算機培訓機構學習效果會更好。而沒有任何計算機相關基礎的，想要學習大資料，難度還是很高的。因為培訓機構的培訓學習期一般都是4-6個月，要想在這短短的時間內學有所成，要付出的努力肯定要比別人多非常多!一旦在學習中有怠慢心理，那麼培訓結束後的學習成果肯定會比別人差很多。

當然，除了個人的努力之外，選擇好的培訓機構也是十分重要的，這決定了你在這段時間內的學習是否有效、有用。建議在選擇培訓機構時，一定要多方面瞭解該培訓機構的資質，不要隨意聽信宣傳而導致誤選，畢竟學習成本高，只有真正學到知識了，花費才是值得的。

近年來，大資料開發技術發展已經逐漸成熟化，企業對大資料開發工程師的需求量逐漸增多，市場上有越來越多的小夥伴選擇學習大資料開發，原因在於大資料在我們生活、工作中運用的比較多，薪資待遇也非常好。

大資料是一項比較複雜的程式語言，學習起來肯定會有一些難度，尤其是對零基礎小夥伴而言。小夥伴在學習大資料開發技術過程中，如果能有一個系統的學習路線，入門大資料應該不算很難。

對於零基礎想學習大資料開發的小夥伴來說，參加大資料培訓來學習是一個比較靠譜的學習方式。如果小夥伴對程式語言一無所知，那就更應該系統的學習大資料開發技術知識，相比較而言，大資料培訓要比自學大資料開發更容易學習。

那小夥伴該如何入門學習大資料開發技術呢？小夥伴需要注意哪幾方面呢？

1.學習大資料要從自身知識結構入手。也就是說小夥伴有沒有程式設計基礎，你所瞭解的程式設計基礎都是哪些方面的知識，適不適合學習大資料開發技術，有沒有基礎對於學習大資料開發的難度是不同的。

2.根據大資料培訓班學習路線制定適合自己的學習思路。雖然大資料培訓班有自己比較成熟的培訓課程內容，只是給小夥伴提供了你需要學習的知識框架，這些框架是適合所有人的，小夥伴要想豐富自身知識結構，還需要在學習中不斷總結適合自己的學習思路和學習路線。

3.掌握相應的程式設計基礎。想要入門大資料開發技術，需要學習相關java、Python、web等程式設計基礎，不過小夥伴放心，大資料培訓機構會根據小夥伴不同的基礎分配到不同的班級來學習程式設計基礎。

學習大資料相對來說是比較困難的，學習大資料的難易程度要根據小夥伴的程式設計基礎和所選擇的學習方式來決定。尚矽谷大資料培訓班是全日制面授教學，以理論實踐相結合的教學方式傳授大資料開發技術知識，培訓班還有更多的大資料影片供小夥伴下載學習！

http://www.atguigu.com/bigdata_video.shtml

大資料培訓需要多久能夠學會？這個跟您本身情況來決定的，有基礎的和沒有基礎的學員學習需要是時間不同，難度也不一樣。同樣是零基礎的學員，學習能力不同學習的時間長短也不相同，難度也是不一樣的。具體情況大家可以通下邊的回答進行參考：

第一、零基礎人群學習大資料的話要5個月左右的時間，至於學不學的會，就看個人學習理解能力了，我大學學的也不是相關專業，也是從零基礎開始學的，沒錯，大資料需要學習的東西是很多，也存在一定的困難，但是隻要您能認真地學，遇到困難及時解決，並堅持下來，是沒問題的，好不好學別人只能是談一下自己的感受，能不能把它學會還是要看看你了，誰也幫不了你。

第二、有基礎人群如果是自己自學大資料的話那就要有一定的程式設計基礎，或者在大學學習過相關知識。比如說是Java開發基礎，python開發基礎等，如果再加上一些數學統計方面的知識就更加完美了，有了這些基礎的話那麼自學大資料技術的話還是比較容易的。當然如果是零基礎的話最好是安靜得選個專業的大資料培訓機構報個班進行大資料培訓學習，沒有一點基礎的話自學是非常困難的，很容易半途而廢。如果您有基礎，且理解能力也不錯的話，自學也是不錯的。

1、Java——Java可以編寫桌面應用程式、Web應用程式、分散式系統和嵌入式系統應用程式，是大資料學習的基礎；2、Linux——大資料開發通常在Linux環境下進行；3、Hadoop——分散式系統基礎架構，使用者可以充分利用叢集的威力進行高速運算和儲存；4、Avro與Protobuf——資料序列化系統，可以提供豐富的資料結構型別；5、HBase——分散式的、面向列的開源資料庫，是一個適合於非結構化資料儲存的資料庫；6、ZooKeeper——Hadoop和Hbase的重要元件；7、Hive——基於Hadoop的一個數據倉庫工具 ；8、phoenix——用Java編寫的基於JDBC API操作HBase的開源SQL引擎；9、Redis——key-value儲存系統；10、Flume——高可用、高可靠、分散式的海量日誌採集、聚合和傳輸的系統；11、SSM——Spring、SpringMVC、MyBatis三個開源框架；12、Kafka——一種高吞吐量的分散式釋出訂閱訊息系統；13、Spark——專為大規模資料處理而設計的快速通用的計算引擎 ；14、Scala——大資料開發重要框架的程式語言；15、Azkaban——可完成大資料流任務排程；

大資料的學習有一定難度，但是如果能有一個系統的學習計劃，入門大資料也並不是那麼困難。要想入門大資料需要做好以下幾個方面的準備：

第一，根據自身的知識結構找切入點。大資料的基礎知識涵蓋三部分內容，分別是計算機、數學和統計學，如果是這三個專業的畢業生，那麼可以比較容易的進入大資料領域，可以從事的崗位也比較多（資料採集、資料整理、資料儲存、資料分析、資料呈現等）。如果是非相關專業，那麼要從計算機基礎知識入手，比如首先要熟練使用Linux系列作業系統（CentOS、Ubuntu等），因為大部分大資料平臺都是基於Linux系統搭建的。

在學習之前，首先考慮的不是難不難，而是應該怎麼學好的問題。學習大資料給幾點建議：

1.重點掌握大資料體系的架構和原理，比如：分散式儲存和計算的思想

2.大資料框架的體系，比如：hadoop，spark等等

3.多動手做實驗，也多問問有經驗的人。

只要有信心，加上堅持，一定可以學好。