一篇文章带你理解2019 大数据开发工程师必备那些技能

你好，成为一名大数据开发工程师，你需要具有的技能比较多，具体的，可以参看下面的这些点。

Java

大家都知道Java的方向有JavaSE、JavaEE、JavaME，学习大数据要学习那个方向呢？只要要学习Java的标准版JavaSE即可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只要要理解即可以了，当然Java怎样连接数据库还是要知道的，像JDBC肯定要掌握一下。

有同学说Hibernate或者Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据解决用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或者Mybites的原理，不要只学API，这样可以添加你对Java操作数据库的了解，由于这两个技术的核心就是Java的反射加上JDBC的各种使用。

Linux

由于大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实少量，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的了解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易了解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。需要大数据方面的资料的和加下QQ群868847735领取

好说完基础了，再说说还需要学习哪些大数据技术，可以按我写的顺序学下去。

Hadoop

这是现在流行的大数据解决平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行解决计算的，它有个特点就是不论多大的数据只需给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批解决。

YARN是表现Hadoop平台概念的重要组件有了它大数据生态体系的其它软件就能在hadoop上运行了，这样就能更好的利用HDFS大存储的优势和节省更多的资源比方我们就不用再单独建一个spark的集群了，让它直接跑在现有的hadoop yarn上面即可以了。

其实把Hadoop的这些组件学明白你就能做大数据的解决了，只不过你现在还可能对”大数据”究竟有多大还没有个太清楚的概念，听我的别纠结这个。等以后你工作了就会有很多场景遇到几十T/几百T大规模的数据，到时候你就不会觉得数据大真好，越大越有你头疼的。当然别怕解决这么大规模的数据，由于这是你的价值所在，让那些个搞Javaee的php的html5的和DBA的羡慕去吧。

记住学到这里可以作为你学大数据的一个节点。

Zookeeper

这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放少量相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只要要把它安装正确，让它正常的run起来即可以了。

Mysql

我们学习完大数据的解决了，接下来学习学习小数据的解决工具mysql数据库，由于一会装hive的时候要用到，mysql需要掌握到什么层度那？你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创立数据库。这里主要的是学习SQL的语法，由于hive的语法和这个非常类似。

Sqoop

这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

Hive

这个东西对于会SQL语法的来说就是神器，它能让你解决大数据变的很简单，不会再吃力的编写MapReduce程序。有的人说Pig那？它和Pig差不多掌握一个即可以了。

Oozie

既然学会Hive了，我相信你肯定需要这个东西，它可以帮你管理你的Hive或者者MapReduce、Spark脚本，还能检查你的程序能否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你肯定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase

这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据解决完成之后的存储目的地。

Kafka

这是个比较好用的队列工具，队列是干吗的？排队买票你知道不？数据多了同样也需要排队解决，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据（比方好几百G的文件）我怎样解决得过来，你别怪他由于他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了。

由于解决不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或者入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单解决，并写到各种数据接受方（比方Kafka）的。

Spark

它是用来弥补基于MapReduce解决数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者者Scala都可以操作它，由于它们都是用JVM的。

会这些东西你就成为一个专业的大数据开发工程师了，月薪2W都是小毛毛雨

学习大数据的两大基础就是JAVA和Linux，学习顺序不分前后。需要同时掌握，才可以继续大数据课程的学习。

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，学习大数据要学习那个方向呢？

只要要学习Java的标准版JavaSE即可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只要要理解即可以了，当然Java怎样连接数据库还是要知道的，像JDBC肯定要掌握一下，有同学说Hibernate或者Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据解决用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或者Mybites的原理，不要只学API，这样可以添加你对Java操作数据库的了解，由于这两个技术的核心就是Java的反射加上JDBC的各种使用。

Linux：由于大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实少量，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的了解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易了解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

大数据课程大纲