乾貨走起，閒話不多說，以下就是小編整理的大數據學習思路
第一階段：linux系統
本階段爲大數據學習入門基礎課程，幫大家進入大數據領取打好Linux基礎，以便更好的學習Hadoop、habse、NoSQL、saprk、storm等衆多技術要點。
另：目前企業中無疑例外是使用Linux來搭建或部署項目的
第二階段：大型網站高併發處理
本階段的學習是爲了讓大家能夠了解大數據的源頭，數據從而而來，繼而更好的瞭解大數據。通過學習處理大型網站高併發問題反向的更加深入的學習Linux，同事站在了更高的角度去觸探架構
第三階段：Hadoop學習
1、Hadoop分佈式文件系統：HDFS
詳細解剖HDFS，瞭解其工作原理，打好學習大數據的基礎
2、Hadoop分佈式計算框架：MapReduce
MapReduce可以說是任何一家大數據公司都會用到的計算框架，也是每個大數據工程師應該熟練掌握的
3、Hadoop離線體系：Hive
hive是使用SQL盡心計算的Hadoop框架，工作中經常會使用，也是面授的重點
4、Hadoop離線計算體系：HBASE
HBASE的重要性不言而喻，即便是工作多年的大數據工程師也是需要去重點學習HBASE性能優化的
第四階段：zookeeper開發
zookeeper在分佈式集羣中的地位越來越突出，對分佈式應用的開發也提供了極大的便利，學習zookeeper的時候，我們主要學習zookeeper的深入，客戶端開發、日常運維、web界面監控等等。學好此部分的內容對後面技術的學習也是至關重要的。
第五階段：elasticsearch分佈式搜索
第六階段：CDH集羣管理
第七階段：storm實時數據處理
本階段覆蓋storm內部機制和原理，掌握從數據採集到實時極端到數據存儲再到前臺展示，一人講所有的工作全部完成，知識覆蓋面廣
第八階段：Redis緩存數據庫
對Redis做個全部的學習，包括其特點、散列集合類型、字符串類型等等，最後到優化，做個詳細的學習
第九階段：spark核心部分
本階段內容覆蓋了spark生態系統的概述及其編程模型，深入內核的研究，Spark on Yarn,Spark Streaming流式計算原理與實踐，Spark SQL,Spark的多語言編程以及SparkR的原理和運行。
在瞭解了以上知識點後，雲計算機器學習的部分也是至關重要的。通常在雲計算這部分內容，我們會對Docker、虛擬化KVM、雲平臺OpenStack做個瞭解和學習，防止在以後的工作中會遇到
好了，大數據的學習體系就簡單的爲大家分享到這裏。大數據學習羣：868847735 視頻資料一起學習