php mvc框架 教程，大數據主要學習哪些內容？
前言要從事計算機行業的工作，不管是什么工作，開發、測試、還是算法等，都是要有一門自己比較熟練的編程語言，編程語言可以是C語言、Java、C++等，只要是和你后續工作所相關的就可以（后續用到其他語言的話，你有一門語言基礎了，學起來就快了）。一般初學者入門語言大多都會選擇Java、C語言、C++或者Python，而且現在網上有很多好的視頻，可以供初學者學習使用。關于學習視頻或者資料的選擇，知乎或者百度等都有很多講解了，也可以跟師兄師姐咨詢，這樣可以少走很多彎路，當然，有人說，走一些彎路總是有好處的，但是我這里說的彎路不是說不犯錯誤，不調bug，而是指學習資料以及一些知識點的偏重點，這樣可以盡量節約一部分時間，剛開始時，總會有點迷，而且當你真正投入進去學習時，會發現時間總是不夠用。
我前面是做的Java后端，后續才轉的大數據，所以一些Java開發所需要的東西自己也有學習過，也都是按照正常的路線走的，JavaSE階段，然后數據庫，SSM框架，接著做了一些網上找的項目，之后發現對大數據比較感興趣，就開始找大數據相關的資料學習，看視頻，看博客，敲代碼，前期大概花了3-4個月吧（公眾號的這些資料就是我當時看過的），也是一步步艱難走過來的，剛剛開始接觸大數據相關的東西時，一度懷疑這么多東西自己能否學得完，是不是能用得到，學完又忘了，忘了又回頭看，不過還好，堅持過來了，還好沒有放棄，工作也還ok，找的大數據開發崗，待遇也還不錯吧。
下面就說一下我自己從Java開發到大數據開發的曲折學習之路（狗頭保命.jpg）。因為我現在是做大數據相關的工作了，所以Java后端涉及到的一些SSM框架等知識點我就不介紹了，畢竟后續一段時間也沒有做了。自己看過的大數據學習相關的視頻+資料大概是200G-300G吧，從Linux->Hadoop->。。。->Spark->項目，還有就是一些面試文檔，面經等。一些視頻看了兩遍或者更多，跟著學，跟著敲代碼，做項目，準備面試。涉及到需要學習的東西包括：JavaSE，數據結構與算法（計算機行業必備），MySQL，Redis，ES（數據庫這些可以看項目，也可以自己熟練一兩個），Linux，Shell（這個可以后期補），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala寫的，會Scala做相關的項目會更容易入手），Spark，Flink（這個是找工作時有面試官問過幾次liao不liao解，所以找完工作才開始接觸學習），相關項目。
編程語言階段學習? 如果是零基礎的話，建議還是從視頻開始入門比較好，畢竟一上來就看教材，這樣有些代碼的來龍去脈可能不是很了解。如果是有一些編程語言基礎的話，從視頻開始也會更簡單，一些for、while循環你都知道了，學起來也會快很多。? JavaSE我是選擇的某馬劉意的為主，因為剛剛開始學Java看過一本從《Java從入門到精通》，沒什么感覺，后續又在看了某課網的Java初級視頻，還是沒感覺出來啥（當時就有點懷疑自己了。。。），可能有點沒進入狀態。? 還好后續找了某馬劉意老師的JavaSE視頻（我是看的2015年版本，那時候19版還沒出），覺得他講的真的是很好很詳細，每個知識點都會有例子，也都會帶你敲代碼，做測試，可能前面有C語言基礎，然后也看過Java的一些語法，所以學起來還是比較順利，后面的IO流、多線程等知識點時，也有看書看博客，或者看看其他老師的課程，講解的可能自己比較容易接受就可以，反正都是多嘗試（下面會給出視頻鏈接），盡量懂一些，后續可以回頭來復習。JavaSE相關的視頻，先看一遍，后續有時間建議再看一遍，而且這些經典的視頻，看兩遍真的是享受。? 如果有一定基礎了的，JavaSE前面七八天的視頻可以加速看，但是不懂的一定要停下開仔細想想，零基礎的還是盡量不要加速吧，慢慢來穩些。后面的視頻建議還是跟著視頻來，盡量不要加速，代碼盡量都敲一敲，第一遍基本上一個月到一個半月可以結束。? JavaSE可以說是很基礎也很重要的東西，主要重點包括面向對象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多線程，這些最好是都要熟悉一些，面試也是重點。? JavaSE之后，如果你是要走前端或后端開發路線的話，可以跟著一些網上的視頻繼續學習，這里我就不多做介紹了。
===========分割線，Scala可以后續Spark階段再接觸學習=============
? Scala的學習，Scala是一門多范式 (multi-paradigm) 的編程語言，Scala支持面向對象和函數式編程，最主要的是后續Spark的內容需要用到Scala，所以前面學習了JavaSE，到Spark學習之前，再把Scala學習一波，美滋滋，而且Scala可以和Java進行無縫對接，混合使用，更是爽歪歪。后續Spark學習時基本都是用的Scala，也可能是和Java結合使用，所以Spark之前建議還是先學一波Scala，而且Scala用起來真是很舒服（wordcount一行代碼搞定），適合迭代式計算，對數據處理有很大幫助，不過Scala看代碼很容易看懂，但是學起來還是挺難的，比如樣例類（case class）用起來真是nice，但是隱式轉換學起來就相對比較難。學習Scala的建議：1. 學習scala 特有的語法，2. 搞清楚scala和java區別，3. 了解如何規范的使用scala。Scala對學習Spark是很重要的（后面Flink也是要用），雖然現在很多公司還是用Java開發比較多，而且Spark是Scala寫的，如果要讀源碼，會Scala還是很重要的（至少要看得懂代碼）。? Scala主要重點包括：隱式轉換和隱式參數、模式匹配、函數式編程。這里我看的是某硅谷韓老師的Scala視頻，韓老師講的真的很不錯，五星推薦，哈哈。? 也許有人會覺得Python也是需要的，但是學習階段，可能用Java還是比較多，面試也基本都是問Java相關的內容，所以Python后續工作會用到的話，再看看Python的內容吧。
大數據框架階段學習? 大數據這方面的知識點自己可以說真的是從零開始的，剛剛開始學那會Linux基本都沒用過，心里那個虛啊，而且時間也緊迫，想起來都是一把辛酸淚。? 剛剛開始學的時候，看了廈門大學林子雨的《 大數據技術原理與應用》課程，可能這個課程是面對上課的，所以看了一些，感覺對自己幫助不是很大（并不是說課程不好，可能不太適合自己，如果是要了解理論知識，很透徹，但是俺時間緊迫啊），所以就繼續在網上找視頻，然后發現某硅谷的培訓視頻很多人去參加，而且知識點也很齊全，大數據相關組件都有講課，還有一些項目比較好，所以就找了它相關的視頻，當時看的是2018年的，所以視頻不算舊。? 來一張推薦系統架構的圖，先看看
? 一般來說，Flume+Kafka對數據進行采集聚合傳輸，一方面Spark對實時數據進行處理，傳輸給相應的數據處理模塊（比如實時數據處理的算法模塊，Spark也有提供常見的機器學習算法的程序庫），另一方面采集的數據也可以放入數據庫（HBase、MongoDB等）中，后續MapReduce對離線數據進行離線處理，數據處理完畢用于后續的使用，數據采集處理的流程大概就是這樣。如果是推薦系統，實時推薦會給用戶產生實時的推薦結果，讓用戶進行查閱選擇，比如你在界面瀏覽了或者看了新的物品，然后刷新下界面，可能給你展示的東西就有一些變成跟你剛剛瀏覽的相關了。離線推薦的話主要是對離線數據進行處理，為物品或種類做出相似的推薦，如果后續用戶搜索相應的物品時，給用戶展示相應的產品。
? 大數據學習路線：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 項目 - > Flink（ 如果需要學習Storm，在Spark前面學習）
一、Linux（基本操作）? 一般我們使用的都是虛擬機來進行操作，所以要安裝VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟著安裝好，跟著視頻操作，一定要動手實踐，將一些Linux基本命令熟練掌握，一些VIM編輯器的命令也要會用，做相應的一些配置，使用SecureCRT來做遠程登錄操作（也可以使用其他的，自己順手就行）。再強調一遍，基本操作命令盡量熟練一點，如果一下記不住，打印一些常用的，自己看看，多用多實踐，慢慢就會用了。還有一些軟件包的下載安裝卸載等，跟著操作一遍，熟悉下，后續都會使用，Shell編程可以后續補。
二、Hadoop（重點中的重點）? Hadoop是一個分布式系統基礎框架，用于主要解決海量數據的存儲和海量數據的分析計算問題，也可以說Hadoop是后續整個集群環境的基礎，很多框架的使用都是會依賴于Hadoop。主要是由HDFS、MapReduce、YARN組成。這個部分安裝Hadoop，Hadoop的三個主要組成部分是重點，對他們的概念要理解出來，知道他們是做什么的，搭建集群環境，偽分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，這些部分一定要自己動手實踐，自己搭建集群，仔細仔細再仔細，Hadoop的NameNode，DataNode，YARN的啟動關閉命令一定要知道，以及他們的啟動關閉順序要記住，不要搞混。后續視頻會有一些案例操作，跟著寫代碼，做測試，把基本環境都配置好，后續這個集群（完全分布式需要三臺虛擬機）要一直使用。
三、Zookeeper? Zookeeper是一個開源的分布式的，為分布式應用提供協調服務的Apache項目。分布式安裝ZK，對ZK有一定的了解就可以了，了解它的應用場景，以及內部原理，跟著做一些操作，基本上有一些了解即可。
四、Hive（重點）? Hive是基于Hadoop的數據倉庫工具，可以將結構化的數據文件映射為一張表，并提供類SQL查詢功能。Hive的安裝，它的數據類型，以及它的數據定義、數據操作有較好的了解，怎么操作表（創建表、刪除表，創建什么類型的表，他們有什么不同），怎么操作數據（加載數據，下載數據，對不同的表進行數據操作），對數據的查詢一定要進行實踐操作，以及對壓縮方式和存儲格式要有一些了解，用到時不懂也可以去查，最好是能理解清楚。這部分有什么面試可能會問，所以視頻后續的面試講解可以看看，理解清楚。
五、Flume? Flume是一個高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸的系統。對于Flume，對它的組成架構，以及對Flume Agent的內部原理要理解清楚，Source、Channel、Sink一定要知道它們的各種類型以及作用，有哪些拓撲結構是常見常用的，例如一對一，單Source、多Channel、多Sink等，它們有什么作用，要理解清楚。還有一個重點，就是對Flume的配置文件一定要了解清楚，不懂的可以上官網查看案例，對于不同的情況，它的配置文件要做相應的修改，才能對數據進行采集處理，視頻中的實踐案例一定要跟著做。
六、Kafka（重點）? Kafka是一個分布式消息隊列，用來緩存數據的。比如說實時計算中可以通過Flume+Kafka對數據進行采集處理之后，Spark Streaming再使用Kafka相應的Topic中的數據，用于后續的計算使用。對于Kafka，要理解Kafka的架構，什么是Kafka，為什么需要Kafka，應用場景。基本的命令行操作要掌握，比如怎么創建刪除Topic，怎么通過生產者生成數據，消費者怎么消費數據等基本操作，官網也是有一些案例可以查閱的。
七、HBase（重點）? HBase是一個分布式的、基于列存儲的開源數據庫。HBase適合存儲PB級別的海量數據，也可以說HBase是很適合大數據的存儲的，它是基于列式存儲數據的，列族下面可以有非常多的列，列族在創建表的時候就必須指定。所以對HBase的數據結構要有一定的理解，特別是RowKey的設計部分（因為面試被問到過，咳咳，所以點一下），對于它的原理要了解，一些基本操作也要都會，比如創建表，對表的操作，基本的API使用等。
八、Spark（重點中的重點）? Spark是快速、易用、通用的大數據分析引擎。一說到Spark，就有一種哪哪都是重點感覺，哈哈。? Spark的組成可以看下圖
? Spark是基于內存計算的，對于數據的處理速度要比MapReduce快很多很多，而且數據挖掘這些都是要對數據做迭代式計算，MapReduce對數據的處理方式也不適合，而Spark是可以進行迭代式計算，很適合數據挖掘等場景。Spark的Spark SQL能夠對結構化數據進行處理，Spark SQL的DataFrame或DataSet可以作為分布式SQL查詢引擎的作用，可以直接使用Hive上的表，對數據進行處理。Spark Streaming主要用于對應用場景中的實時流數據進行處理，支持多種數據源，DStream是Spark Streaming的基礎抽象，由一系列RDD組成，每個RDD中存放著一定時間段的數據，再對數據進行處理，而且是基于內存計算，速度快，所以很適合實時數據的處理。Spark MLlib提供常見的機器學習(ML)功能的程序庫。包括分類、回歸、聚類、協同過濾等，還提供了模型評估、數據 導入等額外的支持功能。對Spark的核心組件、部署模式（主要是Standalone模式和YARN模式）、通訊架構、任務調度要有一定了解（面試問到了可以說一波），Spark Shuffle要好好理解，還有內存管理要知道，對Spark的內核原理一定要好好理解，不僅面試可能要用，以后工作也是有幫助的。
九、Flink（重點中的重點）? Flink是一個框架和分布式處理引擎，用于對無界（有開始無結束）和有界（有開始有結束）數據流進行有狀態計算。現在主要是阿里系公司使用的比較多，很多公司使用的還是Spark居多，而且Flink基本上都是和Spark很多功能大體上一樣的，但是以后Flink和Spark孰強孰弱還有待時間的考驗，不過Flink近幾年越來越火了這是事實，所以如果有時間有精力的話，可以學一學Flink相關的內容也是很不錯的。Spark和Flink主要都是在數據處理方面應用，在數據處理方面的話，離線數據處理：Flink暫時比不上Spark，Spark SQL優點在于可以和Hive進行無縫連接，Spark SQL可以直接使用Hive中的表；Flink暫時做不到這一步，因為官方不支持這一操作，Flink只能將數據讀取成自己的表，不能直接使用Hive中的表。對于實時數據的處理：Flink和Spark可以說是平分秋色吧，而且Flink是以事件為驅動對數據進行處理，而Spark是以時間為驅動對數據進行處理，在一些應用場景中，也許Flink的效果比Spark的效果還要好些，因為Flink對數據更加的敏感。比如一秒鐘如果觸發了成千上萬個事件，那么時間驅動型就很難對數據做細致的計算，而事件驅動型可以以事件為單位，一個個事件進行處理，相比而言延遲更低，處理效果更好。現在使用Flink的公司越來越多，有時間學習下，也算是有個準備。
項目階段? 其實某硅谷的視頻里面有很多大數據相關的項目，而且都是文檔配代碼的，B站上也有視頻，學習期間可以跟著視頻做兩到三個項目，自己理清思路，把項目理解透徹，還是可以學到很多東西的。? 根據自己情況，選擇兩到三個項目重點跟著做，理解透徹一點
大數據項目實戰? 某硅谷的視頻里面有很多大數據相關的項目，而且都是文檔配代碼的，學習期間可以跟著視頻做兩到三個項目，自己理清思路，把項目理解透徹，還是可以學到很多東西的。根據自己情況，選擇兩到三個項目重點跟著做，理解透徹一點。相關項目文檔資料我已經放到網盤，GongZhongHao回復相應關鍵字獲取領取方式。 ? 相關項目、涉及技術框架及其B站鏈接（B站鏈接主要是為了有些小伙伴網盤速度限制，這樣就下載文檔資料即可）
書籍? 書籍部分直接云盤鏈接保存即可，這里我放兩張Java開發和大數據開發我自己的書單（很多，路漫漫，吾將上下而求索~）? Java后端書架：
? 大數據書架：
? 大概就這些，看完就需要很久了，大部分我也是需要的時候看相應的部分，所以有時間可以好好看下，不然就需要哪一部分看哪一部分，有助于學習即可。
最后? 大數據開發也是需要編程基礎的，并不是學會使用這些框架怎么樣就可以了，所以對于編程語言，數據結構與算法，計算機網絡這些基礎也是要的，這些基礎知識也有助于自己以后的發展，如果是應屆生校招的話，面試基本上都是JavaSE和數據結構與算法等的知識點，還有大數據組件相關的知識點，以及對項目的理解，這些都是要自己面試前準備好的，多看面經，多找面試題看，面幾次，心里有譜了，后續面試就好了。? 不管是從事什么樣的計算機相關的崗位，編程都是很重要的，數據結構與算法特別重要，還有就是leetcode等編程網站刷題，提升自己的編程思維，后續筆試面試都要要的。? 要將一行行代碼看做一疊疊rmb，但是一行行代碼能不能轉換成一疊疊rmb，自己就一定要：堅持，多敲代碼；多敲代碼，堅持；堅持。?
大齡程序員出路在哪里？
程序員未來前景如何？
一個行業未來的方向如何，要看時代發展的需要和周期，不同的發展方向國家會推出不同的政策。程序員屬于科技行業。社會的發展主要有兩個工具：生產力和金融。目前國家的2025規劃里面大部分都是科技領域，當前的高科技領域IT技術是基礎。只有科技才能強國。科技無疑是生產力的主要推動力，所以程序員行業，在AI(人工智能)發展到可以自動編碼前都沒有問題。金融方面也離不開程序員，比如區塊鏈，互聯網金融都得靠程序員。至于大齡程序員的出路在哪里，要看該程序員的年齡，現實和自己的定位。
大齡程序員處理在哪里？在說大齡之前先說說年輕程序員該干嘛？定位！一定要有清晰的職業規劃。一定要問問自己未來打算往哪個方向發展，是做一輩子技術嗎？還是有其他想法。如果不清楚可以看看下面的大齡程序員的通常出路，可以借鑒一下。定位清楚了就不會問出路在哪里了，到了大齡的時候出路已經在腳下了。
如果現在已經是大齡了，出路在哪里呢？通常有5個方向。
第一、繼續做程序員。如果自己對編程相關的技術有強烈的探索和發展欲望，同時自己也有這方面的天賦和工匠精神可以考慮到了大齡階段還繼續做程序員。國外很多資深的程序員都是越老越吃香。其實這種狀態很好，只不過國內的環境和國外多少有點不同，導致很國內程序員不走這條路。這條路看似美好，但人是環境的產物，往往會被現實打敗，所以對于這個定位得有一定的心理準備。其實我覺得走這條路的人多了，我國的IT技術才能真正有出路。所以我為走這條路的人點贊。
第二、做管理。到了大齡階段，要考慮更多的現實問題了。大齡程序員通常已步入中年，自己的身體，精力都無法和年輕的程序員相提并論，激烈的競爭更是讓這個劣勢雪上加霜。更要命的是上有老下有小，除了工作，生活瑣事也需要家庭的頂梁柱來處理。如果不改變方向，會陷入被動，就仿佛走進了一個死胡同，時間越久越不利。此時的大齡程序員通常會在工作中慢慢轉到管理崗位。隨著工作年限的增加，經驗越來越豐富，對所在公司的行業和使用的技術能有一個整體的把握，這一點是后來者所不具備的。所以程序員在工作的過程中要發展這方面的能力。這也是大部分程序員的發展方向之一。
第三、創業。創業也是大部分程序員的出路。不過創業有很大的風險，所以要考慮清楚。通常情況下很多程序員都是在工作的時候接私活或自己開發產品，等私活做多了有了客戶或自己的產品做到一定的階段了就可以自立門戶了。還有一種是做自媒體，自媒體最近幾年很火，也是未來發展的方向。程序員可以將自己經驗傳授給其他人，成本低廉適合沒有資金的創業者。
第四、轉行。有的程序員做到一定的階段，發現自己有銷售的潛力或其他方面的能力，就慢慢轉到了其他行業，也能混的風生水起。
第五、家里拆遷或彩票中獎直接財務自由，解甲歸田。
其實無論是程序員行業還是其他行業的從業者，清晰的定位都很重要。無論是工作還是人生，否則就會陷入被動。如果你已是某個行業的大齡人員了，就要考慮考慮未來的方向了。
我也是大齡程序員，以上5種是我知道的大齡程序員的通常出路。我自己也在慢慢轉型，每天學習，實踐，成長。如果你也想跟我一樣每天成長，可以關注我我們一起成長。
當然，也可能有更多的出路，歡迎留言討論。
mvc模式用啥軟件？
MVC模式將軟件系統分層,雙劍合璧,JSP負責View顯示界面,servlet負責Controller負責轉發請求,對請求進行處理。
后端Java怎么和前端HTML交互？
本人計算機專業畢業，從事Java Web研發三年半，我就以個人的經歷來談談后端Java怎么和前端HTML交互，由于主要從事Java服務端的研發，對前端HTML的認識有限，個人淺見，一起交流。
剛畢業參加工作時，首先接觸到的是Java前端技術是JSP，當時做基礎架構方面的工作，有一些管理界面需要研發，而團隊的技術線就是JSP+Spring+Duboo+Zookeeper+mysql，我當然也延續了這一技術線，前后使用了一年左右的JSP，前后端研發都一起搞，包括數據庫部署、上線維護等都有所涉及。JSP技術使用Java編程語言編寫類XML的tags和scriptlets，來封裝產生動態網頁的處理邏輯。JSP頁面由HTML代碼和嵌入其中的Java代碼所組成。服務器在頁面被客戶端請求以后對這些Java代碼進行處理，然后將生成的HTML頁面返回給客戶端的瀏覽器。隨著技術的發展，JSP逐漸被團隊淘汰。
積極擁抱變化，是互聯網公司或者互聯網團隊需要做的事情，spring boot + spring cloud的技術線進入了我們的視野。基礎架構全面引入spring boot，積極推動微服務的發展成為團隊的新課題。在推動spring boot的使用中，發現其支持的thymeleaf模板引擎有諸多的優點，在leader拍板之后，團隊的前端技術就由JSP替換為thymeleaf。thymeleaf的優點是靜態html嵌入標簽屬性，瀏覽器可以直接打開模板文件，便于前后端聯調，同時也是springboot官方推薦方案。
技術總是不斷發展的，前后端分離，面向接口編程的理念又進入我們的團隊。hymeleaf這種前后端一起部署的技術體系已經不能滿足我們的要求，為了推動前后端分離和專業的人做專業的事，將功能需求做頁面劃分，后端和前端定義接口標準，然后依此為契約，同步進行研發。發展到這里，前端的React技術棧又進入了我們團隊的視野，由于其前端的技術太過專業，我當時只是簡單的了解了一下，沒有深入去學習，就專注于做服務端的接口研發。
引入該理念不久，我就跳槽后，進入新的公司新的團隊，開始使用velocity。對于這個選擇，沒有更多的理由，融入新的環境新的團隊，必須要讓自己了解和使用團隊的技術線，其性能良好，據說比jsp性能還要好些，但是自己沒有做過相關的測試。到目前為止也在使用velocity，但會積極推動團隊擁抱新變化，采用新的技術線來做相關的需求，比如freemarker等又成了團隊的新的選擇。
作者：夕陽雨晴，歡迎關注我的頭條號。偶爾美文，主流Java，為你講述不一樣的碼農生活。
2019自學前端有前途嗎？
謝邀。
哈哈哈，題主何出此問？要我說，2019年學前端簡直不要太有前途！
作為一個后端Java程序員，從目前的編程市場的就業情況來看，前端的熱度要遠遠高于后端其他語言。我們可以根據很多招聘網站上窺斑見豹。
在Boss直聘上，搜索web前端，可以看到下面出現的信息列表，很多IT大廠對web前端給出的薪資都是非常不錯的，3-5年工作經驗就可以達到2萬的水平。雖然題主可能覺得2019開始學習web前端有點稍晚，但是如果現在不開始著手去努力，那么三年后你可能就會后悔今天的選擇。
其次，從目前前端眾多編程框架的熱度來看，
Vue.js
大有一統江湖的趨勢。很多企業都嘗試用Vue來作為前端的必備技能，并將其應用于自己的項目中去。所以如果學習前端技術2019年必推Vue.js。作為JavaScript的衍生產品，很多js框架都脫離不了JavaScript的束縛。在Web開發中，素有三劍客之稱的JavaScript、HTML、CSS，都是的必備技能，在未來的很長一段時間依然是核心技能。不論是現在還是未來都應該好好掌握。
另外，不論是哪個編程領域，很多技術都是先興起、然后逐漸趨于平穩，我們可以來看看百度指數對于web前端的搜索統計:
可以看到，目前大部分的和web相關的搜索都呈現上升趨勢（橘黃色代表上升），所以，如果現在是呈現上升趨勢，那么至少不會在短時間內會急劇下降，一定會呈現一個慢慢穩定的趨勢，而且，隨著時間的推移，會有很多程序員離開自己的崗位，那么市場就會出現一定的空缺，只要堅持努力，持續在一個領域發展，那么一定會得到不錯的成就。
綜上，就是關于我認為2019學習web前端有沒有前途的一點個人見解。希望能夠幫助到你。
以上就是關于php mvc框架 教程以及大數據主要學習哪些內容的相關回答，有更多疑問可以加微。