學習和掌握大資料的門檻實際是還是很高的，一般建議先學習普通的關係型資料庫，然後再學習大資料的操作和處理。

基礎階段：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis。hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、歷史，HDFS工作原理，YARN介紹及元件介紹。

大資料儲存階段：hbase、hive、sqoop。

大資料架構設計階段：Flume分散式、Zookeeper、Kafka。

大資料實時計算階段：Mahout、Spark、storm。

大資料資料採集階段：Python、Scala。

大資料商業實戰階段：實操企業大資料處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。

大資料(big data,mega data)，或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。 在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大資料時代》中大資料指不用隨機分析法(抽樣調查)這樣的捷徑，而採用所有資料進行分析處理。大資料的5V特點:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值密度)、Veracity（真實性）。

大資料的5個“V”，或者說特點有五層面：

第一，資料體量巨大

從TB級別，躍升到PB級別。

第二，資料型別繁多

前文提到的網路日誌、影片、圖片、地理位置資訊等等。

第三，價值密度低

以影片為例，連續不間斷監控過程中，可能有用的資料僅僅有一兩秒。

第四，處理速度快

1秒定律。最後這一點也是和傳統的資料探勘技術有著本質的不同。業界將其歸納為4個“V”——Volume，Variety，Value，Velocity。

目前能稱之為大資料的就是幾個網際網路公司用的溜一點，其他都是幌子。但我認為學起來，用起來簡單，吃透很難，沒有數學功底，很難完成底層架構的修改。