光Hadoop那一套就夠喝一壺的。搞好這個已經很不容易。如果還要進階，分兩個方向發展，一個是繼續走Hadoop類的資料基礎設施達人之路，spark、kafka、storm、分散式rdbs等一系列架構。第二是走機器學習類的資料應用牛人之路，經典的學習演算法、CNN、rnn那一套，tf、caffe2之類的框架，Python、r資料分析利器都需要了解使用。

這兩個是所有擁有大量資料的企業必須面對的問題。所以走那一條都會有錢途。但個人覺得，第二條顯然要更好玩更有趣。TB、pb級的資料日常接觸不到也沒有實用可能，但機器學習演算法就不同了。腦洞大開可以玩到很多有意思的東西哦！

二、大資料的工作方向，主要分為:

1. 大資料工程師

2. 資料分析師

3. 大資料科學家

4. 其他（資料探勘等）

1、Java

2、Linux命令

3、HDFS

4、MapReduce

5、 Hadoop

6、Hive

7、ZooKeeper

8、HBase

9、Redis

10、Flume

11、SSM

12、Kafka

13、Scala

14、Spark

15、MongoDB

16、Python與資料分析

hadoop可以處理離線資料，spark可以處理離線或者實時資料，然而，現在機器學習，人工智慧很火，人工智慧的浪潮正在席捲全球，諸多詞彙時刻縈繞在我們耳邊：人工智慧（Artificial Intelligence）、機器學習（Machine Learning）、深度學習（Deep Learning）。不少人對這些高頻詞彙的含義及其背後的關係總是似懂非懂、一知半解。所以，今後的學習方向應該以這些為主。為華人工智慧而努力。

spark,下一代hadoop。spark的生態比hadoop更全面，更有優勢，推薦關注學習。