cloudera自己的大資料生態就是C++的, 比如Impala,kudu。java 把寫大規模併發程式的難度降低了，但是把問題挪到了JVM上面，雖然記憶體分配省心了，但是問題在JVM上面表現出來了。C++ 是寫的時候難了，但是用起來爽GO 的話，併發解決了， GC問題還是沒解決 和java 一樣一樣的！ ------------- 如果我回答對你有幫助，請關注我一下。或有其他問題也可以關注我，給我發私信

作為一名科技工作者，我來回答一下這個問題。

首先，對於具有C++開發經驗的程式設計師來說，轉向大資料領域是完全可以的，而且近兩年來大資料領域也釋放出了大量的開發崗位，所以當前轉向大資料領域也會有更多的就業渠道。

從當前大資料行業的發展情況來看，大資料領域的崗位主要集中在三個方向，分別是大資料開發、大資料分析和大資料運維，其中大資料開發崗位按照任務劃分，可以分為大資料平臺開發和大資料應用開發兩大部分，隨著當前大資料平臺的逐漸成熟，未來大資料應用開發崗位將逐漸釋放出更多的人才需求。

從近兩年大資料方向研究生的就業情況來看，當前大資料開發崗位的招聘數量相對比較多，不少畢業生也更願意選擇去大廠從事大資料平臺開發崗位，而大資料分析崗位（演算法崗）的招聘數量則相對比較少。相信隨著大資料逐漸開始落地到傳統行業領域，未來將陸續釋放出較多的大資料開發任務，比如傳統軟體系統的大資料化升級就有大量的開發任務，當然也有很多新的大資料開發任務。

對於從事Qt開發的程式設計師來說，轉向大資料領域需要做好三方面準備，其一是學習大資料平臺相關知識；其二是學習相應的開發語言和工具；其三是找到一個行業切入點。大資料平臺的內容還是相對比較多的，但是整體的結構有比較強的邏輯性，學習起來也並不會遇到太大的障礙，只是這個過程需要完成較多的實驗。

最後，要想轉向大資料領域發展，在掌握了一些基本的大資料技術之後，應該儘快加入到一個大資料技術團隊（實習崗位也可以考慮），這樣會獲得一個快速的技術提升過程。

30歲轉行做大資料分析師為時不晚，但是我不建議大家盲目轉行。為什麼這麼說？30歲正值人生的關鍵時期，如果工作正出於上升期或者比較穩定的狀態，一般不會輕易轉行，因為轉行的風險比較大。當然如果你已經下定決心轉行大資料分析師，那麼一定要提前預判各種困難出現的可能性，同時制定詳盡完備的學習提升計劃，為達成目標放手一搏。

身處大資料時代，之所以有越來越多的小夥伴準備轉行做大資料分析師，正是看中了大資料分析師未來的發展前景。那麼要想成功轉型成為一名合格的大資料分析師，都要學習哪些知識呢？下面我就幫大家總結一下大資料分析師所需掌握的技能點：

1、統計學知識

這是很大一部分大資料分析師的短板。當然這裡說的不是簡單的一些統計而已。而是包括均值、中位數、標準差、方差、機率、假設檢驗等等具有時間、空間、資料本身。當然，做個一般的大資料分析師，不會涉及到很深的高等數學知識，但是要想成為一名優秀的大資料分析師，還是要在高數方面多下功夫。

2、分析思維的練習

比如結構化思維、思維導圖、或百度腦圖、麥肯錫式分析，瞭解一些smart、5W2H、SWOT等等那就更好了。不一定要掌握多深多全，但一定要了解一些。

3、資料庫知識

大資料大資料，就是資料量很多，Excel就解決不了這麼大資料量的時候，就得使用資料庫。如果是關係型資料庫，比如Oracle、mysql、sqlserver等等，你還得要學習使用SQL語句，篩選排序，彙總等等。非關係型資料庫也得要學習，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起碼常用的瞭解一兩個，比如Hbase，Mongodb，redis等。

4、業務學習

其實對於大資料分析師來說，瞭解業務比了解資料更重要。對於行業業務是怎麼走的對於資料的分析有著非常重要的作用，不瞭解業務，可能你分析的結果不是別人想要的。

5、開發工具及環境

比如：Linux OS、Hadoop（儲存HDFS，計算Yarn）、Spark、或另外一些中介軟體。目前用得多的開發工具Java、python等等語言工具。

其實做為一名大資料分析師是相當燒腦的。單純的資料方面能力遠遠不能達到崗位需求，業務和統計知識的學習也是必不可少的。所以如果你已經認準大資料分析師這條路，就請堅定不移的走下去，並未為之不斷奮鬥，努力前行！

另外你之前是兩年c++經驗，大資料基本都是用java和scala語言。這些你都要考慮，時間成本，技術的學習，30歲其實很有金錢的壓力，家庭的收支情況很多因素都要考慮。