題目是一名叫“截然不同”的同學(xué)私信我的一個(gè)問題，原話是，“搞大數(shù)據(jù)，java 需要掌握哪些技術(shù)點(diǎn)？”，我稍微調(diào)整了一下。必須得承認(rèn)一點(diǎn)，我本人沒有搞過大數(shù)據(jù)，所在這方面的經(jīng)驗(yàn)為零。

但同學(xué)既然問了，咱就不能假裝不知道啊，雖然真的是不知道。但要變強(qiáng)，就必須無所畏懼，迎難而上，對吧？

幸好我身邊有一些朋友是做大數(shù)據(jù)的，我可以向他們請教，了解清楚后，我現(xiàn)在就把他們給我的建議整理一下發(fā)出來，希望給有需求的同學(xué)們一點(diǎn)幫助。

01、大數(shù)據(jù)的就業(yè)方向有哪些？

現(xiàn)實(shí)點(diǎn)，我們掌握任何技能都是為了就業(yè)，為了能夠找份工作糊口;立志不打工的同學(xué)們請繞行哈。

那大數(shù)據(jù)的就業(yè)方向都有哪些呢？

大數(shù)據(jù)工程師

大數(shù)據(jù)科學(xué)家

數(shù)據(jù)分析師

那針對這些不同的就業(yè)方向，都需要哪些技能呢？我們來一一的分析下。

02、大數(shù)據(jù)工程師的技能要求

大數(shù)據(jù)工程師的門檻相對其他兩個(gè)較低一些，所以同學(xué)們可以重點(diǎn)關(guān)注一下這個(gè)方向。

先說一些必備的技能吧。

對 Java 虛擬機(jī)有著深入的研究，推薦書籍，周志明的《深入理解 Java 虛擬機(jī)》。

對 Java 并發(fā)掌握得很透徹，推薦書籍，《Java 并發(fā)編程實(shí)戰(zhàn)》。

掌握 Hadoop。Hadoop 是一款支持?jǐn)?shù)據(jù)密集型分布式應(yīng)用程序并以 Apache 2.0 許可協(xié)議發(fā)布的開源軟件框架，可以使應(yīng)用程序與成千上萬的獨(dú)立計(jì)算的電腦和 PB 級的數(shù)據(jù)連接起來，整個(gè) Hadoop “平臺”還包括 MapReduce、Hadoop 分布式文件系統(tǒng)（HDFS）。

掌握 HBase。HBase 是一個(gè)開源的非關(guān)系型分布式數(shù)據(jù)庫，是 Hadoop 項(xiàng)目的一部分，運(yùn)行于 HDFS 文件系統(tǒng)之上，對稀疏文件提供極高的容錯(cuò)率。

掌握 Hive。Hive 是一個(gè)建立在 Hadoop 架構(gòu)之上的數(shù)據(jù)倉庫，能夠提供數(shù)據(jù)的精煉，查詢和分析。

掌握 Kafka。Kafka 的目標(biāo)是為處理實(shí)時(shí)數(shù)據(jù)提供一個(gè)統(tǒng)一、高吞吐、低延遲的平臺。

掌握 Storm。Storm 是一個(gè)分布式計(jì)算框架，使用用戶創(chuàng)建的“管”和“螺栓”來定義信息源和操作，允許批量、分布式處理流式數(shù)據(jù)。

了解 Scala。Scala 是一門多范式的編程語言，設(shè)計(jì)初衷是要集成面向?qū)ο缶幊毯秃瘮?shù)式編程的各種特性。可以和 Java 兼容，運(yùn)行在 Java 虛擬機(jī)上。

掌握 Spark。Spark 是一個(gè)開源集群運(yùn)算框架，相對于 Hadoop 的 MapReduce 會在運(yùn)行完工作后將中介數(shù)據(jù)存放到磁盤中，Spark 使用了存儲器內(nèi)運(yùn)算技術(shù)，能在數(shù)據(jù)尚未寫入硬盤時(shí)即在存儲器內(nèi)分析運(yùn)算。

會用 Linux。推薦書籍，鳥哥的《Linux 私房菜》。

再來說一些高階的技能吧。

會用 Python。

會用 R 語言。

精通算法和數(shù)據(jù)結(jié)構(gòu)。

03、大數(shù)據(jù)科學(xué)家的技能要求

“科學(xué)家”，這個(gè) title 聽起來就很牛逼，不會出乎同學(xué)們的意料，我小時(shí)候的夢想之一除了成為一名作家之外，就是成為一名“科學(xué)家”。

那大數(shù)據(jù)科學(xué)家，要求的技能就會超出絕大多數(shù)普通人的能力。首先，要對“統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法”有著很深入的研究，既要會預(yù)測，還要能解釋為什么要這樣預(yù)測，對吧？

如果要預(yù)測股票是漲還是跌，就必須得有一套可以解釋給客戶聽的理論，還要有一套預(yù)測方法，讓程序能夠按照這個(gè)方法去執(zhí)行，并得出預(yù)期的結(jié)論。

現(xiàn)如今，數(shù)據(jù)已經(jīng)不值錢了，哪里都是大量的數(shù)據(jù)，值錢的是通過對這些數(shù)據(jù)進(jìn)行分析，得出指導(dǎo)性的建議——這就要求科學(xué)家要有數(shù)據(jù)處理的能力。

不多說了，這方面的要求非常高，最起碼也得考個(gè)研究生吧。

04、數(shù)據(jù)分析師的技能要求

數(shù)據(jù)分析也可以細(xì)分為兩個(gè)領(lǐng)域，一個(gè)類似產(chǎn)品經(jīng)理，更注重業(yè)務(wù)，對業(yè)務(wù)能力要求比較高;一個(gè)偏向數(shù)據(jù)挖掘，更注重技術(shù)，對算法和數(shù)據(jù)結(jié)構(gòu)要求比較高。

那不管是產(chǎn)品經(jīng)理還是做數(shù)據(jù)挖掘，SQL 是必知必會的，因?yàn)閿?shù)據(jù)分析師每天都要處理海量的數(shù)據(jù)，而這些數(shù)據(jù)來自哪呢？就是數(shù)據(jù)庫。那怎么把數(shù)據(jù)從數(shù)據(jù)庫中取出來呢？SQL 語句（select * from xxx，哈哈），別無其他。

那還需要什么技能呢？統(tǒng)計(jì)學(xué)基礎(chǔ)，對，沒錯(cuò)，數(shù)據(jù)和時(shí)間的關(guān)系，數(shù)據(jù)的動態(tài)分布，數(shù)據(jù)的最大值、最小值、平均值，這些都需要一定的統(tǒng)計(jì)學(xué)基礎(chǔ)。

當(dāng)然了，做數(shù)據(jù)分析比較好的編程語言是 R 語言或者 Python，所以還需要學(xué)習(xí)一下這兩門語言。不過，有了 Java 作為基礎(chǔ)，學(xué) Python 就會更容易些，因?yàn)?Python 本身的語言更簡潔。（R 語言主要用于統(tǒng)計(jì)分析、繪圖、數(shù)據(jù)挖掘）

推薦兩本書吧，《深入淺出數(shù)據(jù)分析》和《精益數(shù)據(jù)分析》。

05、最后

好了，我已經(jīng)把要學(xué)習(xí)的技能告訴同學(xué)們了，接下來，就靠同學(xué)們自己的修行了。看書，或者網(wǎng)上找資料（按照關(guān)鍵字去搜索），都可以，關(guān)鍵就看你愿不愿意沉下心，去花時(shí)間鉆研了。

執(zhí)行力，很重要，對吧？