你们认为自学大数据难吗？怎么学比较好呢？
随着大数据的飞速发展，所需的工作岗位也在不断的增加，由于专业的大数据从事人员缺口比较大。同时高薪的工资吸引了大批的年轻人加入了大数据的队列。那么那些准备加入大数据这个行业的人尤其是没有基础的朋友就要考虑如何进入这个行业了，一般是有俩种方法，自己学习或者是选择一个大数据培训学校进行学习，大多数朋友都是想选择最少的投资自学来实现自己融入大数据大军行列的愿望。
那么自学大数据能不能学会这是一个现实的问题，在我们决定是选择自学而不是通过大数据培训学校来完成的时候。首先，我们要考虑自身的几个问题1. 自己的自律性怎么样，你的自律性可以让你保持学习的较好状态。2. 持之以恒的耐心，持之以恒的耐心可以让你坚持学习完整个课程，没有这样的坚持力很可能会导致半途而废费时费力3. 自学能力如何，自学能力的强弱会直接导致你学习的成果的好坏。
4. 逻辑能力怎么样，因为学习大数据的话需要一些数学方面的逻辑知识，如果这方面能力比较强的话那么学起来也就比较容易。如果上边的三个条件都满足的话那么自学是可以的基本没什么问题。如果上面的不能够全部满足的话那们建议大家还是去选择一个好的大数据培训学习去新系统的学习一下比较好，好的大数据培训学校是可以帮助你进行管理规划的，第一如果你自律性不强，那么培训学校的早八晚九的教学学习时间正好补充这点，如果是没有耐心学习的话那么班级的氛围会弥补你这方面的不足，如果是自学能力和逻辑能力不足那么老师的指导可以解决。
大数据主要学习什么内容？有什么要求和条件？
首先你要清楚自己为什么想要学习大数据，其次现在的工作机会是不是你心仪的工作，然后想要学习大数据是感兴趣还是盲目跟风，最后如果是想往大数据方面发展的话那么一定要了解大数据的职业划分和薪资情况，到底想从事大数据工作的哪个方向。我的建议：IT技术更新迭代速度很快,所以一定要做到未雨绸缪，选好方向做好规划，避免还没等学就被淘汰了。
下面我从2个方面介绍1.大数据职业划分和薪资介绍及我的认为的发展发现2.大数据的学习路线大数据职业划分和薪资介绍从51job、智联、猎聘查看职位，我认为大数据大概分为这5个方向数据管理类：首席数据官、数据管理员、数据安全工程师；这类主要负责公司数据的管理，数据安全策略的制定和实现。数据分析类：战略分析师、数据分析师、商业智能分析员；这类主要负责数据分析相关的工作。
数据挖掘类：数据挖掘工程师、算法工程师；这类负责数据挖掘算法的设计与策略。技术研发类：数据仓库架构师、数据采集工程师、数据仓库开发工程师、数据可视化工程师、大数据架构师、大数据开发工程师；这类主要负责数据仓库的搭建和ETL任务的开发。IT基础架构类：hadoop运维工程师、数据库运维工程师、系统运维工程师这类主要负责大数据集群软硬件的管理和维护。
薪资在猎聘上截了几张图，具体你可以上智联、51job或猎聘上搜职位名称查看薪酬。我对大数据发展方向的建议：我朋友就是做猎头的，据他说目前最火的还是算法工程师，以前不起眼，现在随着5G的兴起，AI方向有更为广阔的发展空间，BAT玩命的招人。其次就是做技术开发类，做大数据平台的，这也是目前招聘人数最多的，如果做到大数据架构师，年薪百万不是问题。
数据分析类和数据管理类的一般是甲方企业，偏企业内部。最后是运维，相对发展前景最差。大数据的学习路线必须掌握的技能11条Java高级(虚拟机、并发)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）KafkaStorm/JStormScalaPythonSpark (Core sparksql Spark streaming ）辅助小工具(Sqoop/Flume/Oozie/Hue等)高阶技能6条机器学习算法以及mahout库加MLlibR语言Lambda 架构Kappa架构KylinAlluxio面列出来的顺序只是个人建议，可以根据个人实际情况来调整顺序第一阶段（基础阶段）Linux学习（跟鸟哥学就ok了）—–20小时Linux操作系统介绍与安装。
Linux常用命令。Linux常用软件安装。Linux网络。防火墙。Shell编程等。官网：https://www.centos.org/download/Java 高级学习（《深入理解Java虚拟机》、《Java高并发实战》）—30小时掌握多线程。掌握并发包下的队列。了解JMS。掌握JVM技术。掌握反射和动态代理。
官网： https://www.java.com/zh_CN/中文社区：http://www.java-cn.com/index.htmlZookeeper学习Zookeeper分布式协调服务介绍。Zookeeper集群的安装部署。Zookeeper数据结构、命令。Zookeeper的原理以及选举机制。
官网： http://zookeeper.apache.org/中文社区：http://www.aboutyun.com/forum-149-1.html第二阶段（入门，攻坚阶段）Hadoop （《Hadoop 权威指南》）—80小时HDFSHDFS的概念和特性。HDFS的shell操作。HDFS的工作机制。
HDFS的Java应用开发。MapReduce运行WordCount示例程序。了解MapReduce内部的运行机制。MapReduce程序运行流程解析。MapTask并发数的决定机制。MapReduce中的combiner组件应用。MapReduce中的序列化框架及应用。MapReduce中的排序。MapReduce中的自定义分区实现。
MapReduce的shuffle机制。MapReduce利用数据压缩进行优化。MapReduce程序与YARN之间的关系。MapReduce参数优化。MapReduce的Java应用开发官网：http://hadoop.apache.org/中文文档：http://hadoop.apache.org/docs/r1.0.4/cn/Hive（《Hive开发指南》）–20小时Hive 基本概念Hive 应用场景。
Hive 与hadoop的关系。Hive 与传统数据库对比。Hive 的数据存储机制。Hive 基本操作Hive 中的DDL操作。在Hive 中如何实现高效的JOIN查询。Hive 的内置函数应用。Hive shell的高级使用方式。Hive 常用参数配置。Hive 自定义函数和Transform的使用技巧。
Hive UDF/UDAF开发实例。Hive 执行过程分析及优化策略官网：https://hive.apache.org/中文入门文档：http://www.aboutyun.com/thread-11873-1-1.htmlHBase（《HBase权威指南》）—20小时hbase简介。habse安装。
hbase数据模型。hbase命令。hbase开发。hbase原理。官网：http://hbase.apache.org/中文文档：http://abloz.com/hbase/book.htmlScala（《快学Scala》）–20小时Scala概述。Scala编译器安装。Scala基础。数组、映射、元组、集合。
类、对象、继承、特质。模式匹配和样例类。了解Scala Actor并发编程。理解Akka。理解Scala高阶函数。理解Scala隐式转换。官网：http://www.scala-lang.org/初级中文教程：http://www.runoob.com/scala/scala-tutorial.htmlSpark （《Spark 权威指南》）—60小时Spark coreSpark概述。
Spark集群安装。执行第一个Spark案例程序（求PI）。RDDRDD概述。创建RDD。RDD编程API（Transformation 和 Action Operations）。RDD的依赖关系RDD的缓存DAG（有向无环图）Spark SQL and DataFrame/DataSetSpark SQL概述。
DataFrames。DataFrame常用操作。编写Spark SQL查询程序。Spark Streamingpark Streaming概述。理解DStream。DStream相关操作（Transformations 和 Output Operations）。Structured Streaming其他（MLlib and GraphX ）这个部分一般工作中如果不是数据挖掘，机器学习一般用不到，可以等到需要用到的时候再深入学习。
Http://spark.apache.org华人社区:http://www.aboutyun.com/forum-146-1.htmPython(推荐廖雪峰的博客——30小时):暂且列举这么多吧。大数据还有很多很好的技术框架，这一个需要以后大家工作以后再扩展。你在学习的时候，要选择一两个来重点学习。最好把重点放在底层原理、优化、源代码等部分，这样才能在面试过程中脱颖而出。
文章TAG：数据测试 视频 时代 内容 数据
