謝謝大資料分析，必須要學SQL相關的命令和相關的學習，因為資料在量大的時候，如果想在海量的資料中提取以及進行操作的話，普通的其他資料庫的操作方法，實際上與這個sql資料庫的操作是一樣的，應該說是大同小異，因此如果你要有學習大資料，就應該要學習sql資料庫的命令和相關的課程。

sql是關係資料庫的基礎語言，是現在大資料平臺用的資料庫可不是這個，但是學習大資料還是非常有必要學習sql的。因為，一、大資料的來源很多是從既有資料庫中提速的，這些資料庫基本都是關係型資料庫。只有熟知sql才能讀懂，操作，整合語言的資料，並提速後重新存入大資料平臺。二、關係資料庫的架構，邏輯，操作是經典，學好它才能更好的領會資料庫的奧妙，熟練掌握sql的查詢，插入，刪除，修改，並表，對了解資料的操作和分析本身就有很大的幫助。

雖然目前大資料的細分崗位比較多，但是主要集中在五個方面，分別是底層平臺研發、大資料應用開發、大資料分析、大資料運維和大資料教育。除了底層平臺研發往往需要中高階人才以外，其他崗位的知識結構並沒有太多的基礎性要求，下面對這幾大方面的知識結構做一個具體的介紹。

大資料應用開發崗位需要的知識結構包括大資料平臺體系結構、程式語言、資料庫（NoSQL）、演算法設計等內容，可見在大資料應用開發崗位需要掌握SQL，NoSQL的意思是Not only SQL（不僅僅是SQL），不是說不需要SQL。對於應用程式開發人員來說，掌握SQL是基本的要求。

大資料分析崗位的知識結構包括大資料平臺體系結構、程式語言、資料庫、演算法設計、演算法實現、資料呈現等內容，大資料分析注重演算法的設計與實現，而資料呈現則往往需要透過SQL語言完成資料的提取（BI），所以對於大資料分析人員來說是必須掌握SQL語言的，而且需要對SQL語言非常熟悉。

大資料運維的知識結構包括大資料平臺的搭建、元件部署、程式語言、平臺維護、網路維護等內容，對於運維人員來說掌握SQL語言也是一個基本的要求，因為大部分運維工作都需要對資料進行操作，透過Shell（Python）來編寫運維指令碼是一個比較常見的做法。

大資料教育則是為大資料行業提供人才培養的服務，大資料教育更是涉及到以上各個崗位的知識結構，當然需要掌握SQL語言了。

總之，目前大部分大資料崗位都是需要具備SQL基礎的，所以在學習大資料之前往往都先學習一下SQL和程式語言（Java、Python、Scala、R等）。

大資料涉及到很多方面，其中對程式設計和資料庫是基礎要求。

每一種程式設計都涉及到資料庫，可以說程式設計和資料庫是孿生一對出現的。

程式設計是你羅輯思維和應用的能力的直接體現，程式語言有很多，諸如JAVA，c／c++，Python，go，Javascript等等，掌握一門能熟練應用。

程式設計要和資料打交道，所以，資料庫操作就是必須的了，包裹關係資料庫和非關係資料庫（可以對應為SQL和 NoSQL）。

SQL是關係資料庫的結構化查詢語言的縮寫，而NoSQL意思是“Not only SQL”（不僅僅是SQL了）……

所以，搞大資料，沒有應用SQL的能力，真是“未知其可也”。

先上結論：

SQL是資料庫的基本查詢語言，無論是做後端開發，還是做資料分析，機器學習或者資料探勘，都需要熟練的掌握。

資料倉庫是大資料時代存放大量資料的地方，如果熟悉HIVE的同學，會發現HIVE的數倉操作幾乎和標準的SQL語言一致。所以一些mapreduce的基本操作都可以用SQL的語法來簡單的代替了。

總之，SQL是一個很簡單的語言，掌握他沒有壞處，所以好好學習吧！

我覺得學習大資料可以不學SQL，需要分散式計算用mr代替，不需要分散式計算用python也是可以的。但是這樣處理資料會比較麻煩，可能平時一個任務用SQL幾行程式碼就搞定了，但是換成mr或python可能要幾百行都是有可能的。

如果要進大公司並且搞大資料，SQL肯定是必不可少的，因為SQL處理資料特別方便，公司相應的業務會用到，自己也不得不學。SQL語法並不難，多學一門語言並沒有什麼壞處，所謂技多不壓身。

大資料是個與很多學科有關聯的領域，學習大資料是必須要學好SQL的，緣由如下：

大資料，是由許許多多的小型資料彙集整理而來。在整理小型資料時，肯定需要在各類資料庫中進行資料的查詢、彙總、過濾等操作，掌握SQL語句是必不可少的技能；

大資料，最重要的價值在於對積累人天數劇根據業務規則的需要進行清洗、建模、分析。在這一系列的過程中，一定會產生大量的臨時資料到資料庫中進行短暫儲存、查詢、彙總、過濾等操作，精通SQL語句是業務分析成果優秀與否的關鍵；

市面流行的開發語言中，都對多種資料庫提供了良好的支援。現代軟體專案開發過程中，開發人員在涉及資料的儲存都比較流行用資料庫完成。試想下，一個大資料專案的開發團隊。大夥都在用SQL完成演算法或業務實現過程中資料的儲存、查詢、彙總、過濾等操作，一個不會SQL的開發者，將會是多麼的另類？

背景

目前大資料行業異常火爆，這也導致越來越多的開發人員湧向，從崗位職責來劃分的話，大資料開發可以分為大資料探勘，大資料分析，平臺開發，以及大資料運維等崗位。

對於上述崗位要求所掌握的技能是不同的，比如大資料分析和大資料探勘，就需要掌握爬蟲的必要知識，Hadoop生態體系上的一系列操作。平臺研發需要掌握平臺開發語言，前端，以及必要的網路調優等技能。

學習大資料是必須要學習SQL的。SQL作為傳統資料儲存工具，無論如今的大資料開發工具如何優秀，如何便捷，他們相當一部分的構建思想是遵從SQL開發的一套規則和邏輯，比如Hadoop上的Hive,它的語法就是參考SQL語法。儘管現在各家都有一套自己的獨立的生態體系，但如果要究其根源，很多都是複用現有技術，只是在此基礎上做改良包裝，這也就導致現在很多的開發人員會用工具，但不知道為什麼要這樣做。如果只是做一個只會用工具的程式設計師是遠遠不夠的，我們還需要懂得如何更好的用，只有瞭解其原理才能熟練掌握並使用。

其實SQL的學習時非常簡單的，網上有很多的教程可供參考學習，只要我們稍加花費時間，就可以掌握其基礎用法，大資料的學習是一個漫長的過程，中間不光涉及SQL，還涉及各種開發語言，各種程式設計思想，機器學習，AI等知識。這對大資料開發來說是一個挑戰。

對於資料研發(ETL)同學或者資料分析(BI)同學來說，SQL語言是必須要會的，因為你需要對大量資料進行加工處理，得到自己想要結果資料。

對於大資料平臺開發或者大資料元件開發而言，會不會SQL都可以，平時主要使用Java語言來進行工程開發，對於SQL語言的使用，並不是太多，除了在查詢關係型資料庫中資料時，會進行使用。

目前不僅僅傳統資料庫支援SQL,其實很多大資料元件也漸漸開始支援SQL,尤其是在資料倉庫方面，比如Hive，Spark SQL，Flink SQL，Druid等等。支援SQL語言最直接的一個目的，就是提高開發效能。比如對於Flink元件，使用SQL你幾分鐘可能就將實時任務開發完成，但你如果使用其底層Java API進行開發，可能幾天你都不一定能開發出來。

資料研發同學主要的工作就是對資料進行ETL,即對資料進行抽取（extract）、轉換（transform）、載入到資料儲存（load）。可以是對關係型資料庫，也可以是對資料倉庫的資料進行加工。為了保持資料處理標準統一，需要使用SQL語言來對資料任務進行開發。統一使用SQL有一個好處，就是使得資料研發同學不會對開發感到陌生。

資料分析同學由於需要在資料中發現商業價值的論點，所以需要經常對資料分析。而資料分析同學又不是專門的開發同學，精通開發，所以使用SQL語言，能夠降低其處理資料的難度。現在的資料庫以及其他資料倉庫都支援SQL語言，資料分析同學想要在資料中找到自己的觀點，必須要學習SQL語言的使用。

大資料平臺或者大資料元件開發，平時都主要使用Java或者C++語言開發。而SQL語言主要是在資料處理方面應用比較多，由於工作內容的側重點不同，所以大資料平臺或者元件開發可以不用學SQL，就能夠直接上手開發。

當然，在日常的專案開發中，或多或少都會接觸到資料庫方面的使用，當更新或者查詢資料庫中的資料時，會使用到SQL語言，個人建議開發同學還是掌握一下SQL，在面試的時候也是一個加分項，畢竟SQL語言使用起來也不難。

在大資料領域，是否一定要學習SQL,最主要的還是要看你日常工作的內容，如果你平常和資料接觸比較多，主要就是對資料進行加工處理等，那麼學習SQL語言你是跑不了的。但是，你平時主要工作就是使用Java進行開發，那學不學SQL對你沒有任何影響。

個人建議每個開發同學還是要掌握一定的SQL使用，畢竟你不接觸SQL,但你肯定會使用到資料庫，對資料庫的操作就必須使用SQL語言。技多不壓身，反正SQL也不難。

資料資料，雖然大資料行業有不同的方向，但是歸根結底離不開資料。

SQL對於資料. 就像筷子之於米飯，那一粒粒的米飯要吃到嘴裡，不用工具咋行。

數以億計的資料儲存在ORCALE，SQL SERVER，MYSQL等等容器中，要呼叫就需要工具SQL語言。

SQL是基礎工具，就如同辦公軟體office中的word，Excel，PPT。

即使工作不需要取數，但是有基本功，會讓你的工作更加遊刃有餘。

這就是SQL對於大資料的意義。

廢話，sql是基礎語言，這個都不會，別說大資料演算法，連開發都不用做了。

SQL，結構化查詢語言的英文簡稱，是資料庫查詢的國際標準語言，對大資料的分析起著至關重要的基礎作用！外人看來一個簡單的資料，可能包含著分析師對海量資料的精確分析！可以這樣講，你不懂SQL，別丟失顯眼的告訴別人我學的大資料分析，基本上那是不可能的！

個人觀點 甭管幹什麼崗位 sql都是必須要會的

現在大資料的概念非常的火，金融行業和網際網路行業是資料主要爆發的行業。因為這兩個行業有大量的使用者行為資料和使用者交易資料。

我現在主要從事的就是資料分析的工作，主要的程式語言就是SQL。如果想要從事大資料的工作，那必須就要掌握SQL。

無論是ETL、資料分析、報表的開發和機器學習的特徵處理，底層都是SQL開發。因為利用SQL，我們可以快速的實現我們的業務需求。

現在很多同學在畢業後會選擇從事機器學習演算法或模型類的工作，但其實大部分的時間還是花在了特徵處理上。無論是基於現有的資料倉庫，還是利用第三方資料公司搭建的平臺，特徵工程都是利用SQL。

大資料的特徵工程可不是讀取一個檔案，利用pandas就能搞定的。都需要依賴於底層的資料倉庫，那就勢必要用SQL。

現在大資料最流行的元件Hadoop、Hive和Spark，基本上不會直接去編寫Mapreduce程式，都會使用HSQL或者SparkSQL來實現業務需求。

可以這麼說，學會了SQL，基本上各種資料處理引擎都能搞定。

即使你是系統開發人員，經常和Kafka、Storm等打交道，學習一下SQL，也會拓展你的技術棧。

最後，我想說SQL並不難學，花一週的時間去學習下，做一些案例，我相信你會掌握的。

根據孩子的學習成績來考慮他的方向，如果學習成績好，孩子有強烈的讀大學的慾望，那麼就讀高中。如果孩子實在不願意學習，難麼就讓他去職校，學一門自己有興趣的專業。

電腦學校可以的

因為資料在量大的時候，如果想在海量的資料中提取以及進行操作的話，普通的其他資料庫的操作方法，實際上與這個sql資料庫的操作是一樣的，應該說是大同小異，因此如果你要有學習大資料，就應該要學習sql資料庫的命令和相關的課程。

SQL是一種操縱資料庫的語言，主要包括增刪改查，對於資料分析師來說，一般只要查詢資料的，不能對資料庫進行增刪改，畢竟公司怕你刪庫跑路，今年6月24號位元組跳動實習生刪庫，三百多人去加班。

查詢資料程式碼的語法格式如下：

SELECT columns_name --查詢一列或多列，多列之間用逗號隔開

FROM Table --目標表

WHERE condition --過濾條件

GROUP BY columns_name --按列值分組，可以1個或多個列

HAVING condition --分組後的篩選條件，HAVING與WHERE區別在於前者表示式中可包含函式

ORDER BY columns_name --按列排序

LIMIT start, row_count --對結果進行限定，start表示從哪行開始，row_count表示結果行數

可以肯定的說，必須要學。如果哪個做資料分析的人跟你說不會SQL，那麼你完全有理由懷疑他就是個水貨。因為，這是資料分析中的第一個環節，資料探勘，沒有SQL功底，你連資料從哪裡獲取，如何獲取，都沒法完成。可以負責任的說，SQL就是資料處理領域的最基礎能力。

實在有點不明白這兩者有衝突嗎？為啥不能兩個一起學？沒有時間？SQL入門一週就夠了。大量的資料儲存在資料庫裡。放著這麼好的工具不用？