大數(shù)據(jù)是對海量數(shù)據(jù)進行存儲、計算、統(tǒng)計、分析處理的一系列處理手段，處理的數(shù)據(jù)量通常是TB級，甚至是PB或EB級的數(shù)據(jù)，這是傳統(tǒng)數(shù)據(jù)處理手段所無法完成的，其涉及的技術(shù)有分布式計算、高并發(fā)處理、高可用處理、集群、實時性計算等，匯集了當(dāng)前IT領(lǐng)域熱門流行的IT技術(shù)。

想要學(xué)好大數(shù)據(jù)需掌握以下技術(shù)：

1. Java編程技術(shù)

Java編程技術(shù)是大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ)，Java是一種強類型語言，擁有極高的跨平臺能力，可以編寫桌面應(yīng)用程序、Web應(yīng)用程序、分布式系統(tǒng)和嵌入式系統(tǒng)應(yīng)用程序等，是大數(shù)據(jù)工程師最喜歡的編程工具，因此，想學(xué)好大數(shù)據(jù)，掌握J(rèn)ava基礎(chǔ)是必不可少的！

2.Linux命令

對于大數(shù)據(jù)開發(fā)通常是在Linux環(huán)境下進行的，相比Linux操作系統(tǒng)，Windows操作系統(tǒng)是封閉的操作系統(tǒng)，開源的大數(shù)據(jù)軟件很受限制，因此，想從事大數(shù)據(jù)開發(fā)相關(guān)工作，還需掌握Linux基礎(chǔ)操作命令。真正的大數(shù)據(jù)工程師，linux命令是橫著寫很長，不是一句一句執(zhí)行的，尤其是大數(shù)據(jù)工程師需要檢測cpu，內(nèi)存，網(wǎng)絡(luò)IO等各種開銷，就需要掌握各種命令，命令主要分為這幾種，一是查看各種進程的相關(guān)信息，其中包括cpu或者內(nèi)存等從高到底，或者是前十等等。二是排查故障，結(jié)合linux和java的各種命令快速定位到問題出現(xiàn)的關(guān)鍵地方。三是排除系統(tǒng)長時間使用過慢原因等。

3.Hadoop

Hadoop是大數(shù)據(jù)開發(fā)的重要框架，Hadoop分HDFS和Map/reduce，HDFS是Hadoop的主要分布式存儲。一個HDFS集群主要由一個NameNode（管理文件系統(tǒng)的元數(shù)據(jù)）和存儲實際數(shù)據(jù)的DataNode組成。HDFS為海量的數(shù)據(jù)提供了存儲，實現(xiàn)了存取優(yōu)化。Hadoop的MapReduce是一個軟件框架，為海量的數(shù)據(jù)提供了計算，可方便地編寫應(yīng)用程序處理大量的數(shù)據(jù)（多是TB數(shù)據(jù)集），因此，需要重點掌握，除此之外，還需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高級管理等相關(guān)技術(shù)與操作！

4.HBase

HBase是Hadoop的數(shù)據(jù)庫，HBase是一個分布式的、面向列的開源數(shù)據(jù)庫，它提供了隨機，實時讀/寫訪問大數(shù)據(jù)，并進行了優(yōu)化承載非常大的數(shù)據(jù)表 - 數(shù)十億行乘以百萬列 -，實現(xiàn)服務(wù)器硬件之上集群。不同于一般的關(guān)系數(shù)據(jù)庫，更適合于非結(jié)構(gòu)化數(shù)據(jù)存儲的數(shù)據(jù)庫，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，在其核心Apache HBase是一個分布式的面向列的數(shù)據(jù)庫，屬于谷歌的Bigtable：Apache HBase在Hadoop和HDFS之上提供了類似于Bigtable的能力。大數(shù)據(jù)開發(fā)需掌握HBase基礎(chǔ)知識、應(yīng)用、架構(gòu)以及高級用法等。

5.Hive

Hive是基于Hadoop的一個數(shù)據(jù)倉庫工具，方便簡單的數(shù)據(jù)匯總工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡單的sql查詢功能，可以將sql語句轉(zhuǎn)換為MapReduce任務(wù)進行運行，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。同時，這語言也可以讓傳統(tǒng)的map / reduce程序員嵌入他們的自定義maperhe reducer.對于Hive需掌握其安裝、應(yīng)用及高級操作等。

6.ZooKeeper

ZooKeeper是Hadoop和Hbase的重要組件，是一個為分布式應(yīng)用提供一致性服務(wù)的軟件，一種集中式的服務(wù)（負載平衡器），提供的功能包括：配置維護、域名服務(wù)、分布式同步、組件服務(wù)等，并提供團體服務(wù)。Apache ZooKeeper協(xié)調(diào)運行在Hadoop集群上的分布式應(yīng)用程序。在大數(shù)據(jù)開發(fā)中要掌握ZooKeeper的常用命令及功能的實現(xiàn)方法。

7.phoenix

phoenix是用Java編寫的基于JDBC API操作HBase的開源SQL引擎，其具有動態(tài)列、散列加載、查詢服務(wù)器、追蹤、事務(wù)、用戶自定義函數(shù)、二級索引、命名空間映射、數(shù)據(jù)收集、行時間戳列、分頁查詢、跳躍查詢、視圖以及多租戶的特性，大數(shù)據(jù)開發(fā)需掌握其原理和使用方法。

8.Avro與Protobuf

Avro與Protobuf均是數(shù)據(jù)序列化系統(tǒng)，可以提供豐富的數(shù)據(jù)結(jié)構(gòu)類型，十分適合做數(shù)據(jù)存儲，還可進行不同語言之間相互通信的數(shù)據(jù)交換格式，學(xué)習(xí)大數(shù)據(jù)，需掌握其具體用法。

9.Cassandra

Apache Cassandra是一個高性能，可擴展性和高線性可用的數(shù)據(jù)庫，可以運行在服務(wù)器或云基礎(chǔ)設(shè)施上，為關(guān)鍵任務(wù)數(shù)據(jù)提供完美的平臺，。 Cassandra支持多個數(shù)據(jù)中心之間復(fù)制是同類產(chǎn)品中最好，為用戶提供更低的延遲，甚至不懼怕停電。 Cassandra的數(shù)據(jù)模型提供了便利的列索引，高性能試圖和強大的內(nèi)置緩存。

10.Kafka

Kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，其在大數(shù)據(jù)開發(fā)應(yīng)用上的目的是通過Hadoop的并行加載機制來統(tǒng)一線上和離線的消息處理，也是為了通過集群來提供實時的消息。大數(shù)據(jù)開發(fā)需掌握Kafka架構(gòu)原理及各組件的作用和使用方法及相關(guān)功能的實現(xiàn)！

11.Chukwa

是一個開源大型分布式系統(tǒng)的數(shù)據(jù)采集監(jiān)視系統(tǒng)。它是建立在Hadoop分布式文件系統(tǒng)（HDFS）和Map/ Reduce框架之上，并繼承了Hadoop的可伸縮性和健壯性。 Chukwa還包括一個靈活而強大的工具包，用于顯示，監(jiān)測和分析結(jié)果，以便做出最佳地使用所收集的數(shù)據(jù)。

12.Flume

Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，F(xiàn)lume提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。大數(shù)據(jù)開發(fā)需掌握其安裝、配置以及相關(guān)使用方法。