前言
要從事計(jì)算機(jī)行業(yè)的工作，不管是什么工作，開(kāi)發(fā)、測(cè)試、還是算法等，都是要有一門(mén)自己比較熟練的編程語(yǔ)言，編程語(yǔ)言可以是C語(yǔ)言、Java、C++等，只要是和你后續(xù)工作所相關(guān)的就可以（后續(xù)用到其他語(yǔ)言的話(huà)，你有一門(mén)語(yǔ)言基礎(chǔ)了，學(xué)起來(lái)就快了）。一般初學(xué)者入門(mén)語(yǔ)言大多都會(huì)選擇Java、C語(yǔ)言、C++或者Python，而且現(xiàn)在網(wǎng)上有很多好的視頻，可以供初學(xué)者學(xué)習(xí)使用。關(guān)于學(xué)習(xí)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(xún)，這樣可以少走很多彎路，當(dāng)然，有人說(shuō)，走一些彎路總是有好處的，但是我這里說(shuō)的彎路不是說(shuō)不犯錯(cuò)誤，不調(diào)bug，而是指學(xué)習(xí)資料以及一些知識(shí)點(diǎn)的偏重點(diǎn)，這樣可以盡量節(jié)約一部分時(shí)間，剛開(kāi)始時(shí)，總會(huì)有點(diǎn)迷，而且當(dāng)你真正投入進(jìn)去學(xué)習(xí)時(shí)，會(huì)發(fā)現(xiàn)時(shí)間總是不夠用。
我前面是做的Java后端，后續(xù)才轉(zhuǎn)的大數(shù)據(jù)，所以一些Java開(kāi)發(fā)所需要的東西自己也有學(xué)習(xí)過(guò)，也都是按照正常的路線(xiàn)走的，JavaSE階段，然后數(shù)據(jù)庫(kù)，SSM框架，接著做了一些網(wǎng)上找的項(xiàng)目，之后發(fā)現(xiàn)對(duì)大數(shù)據(jù)比較感興趣，就開(kāi)始找大數(shù)據(jù)相關(guān)的資料學(xué)習(xí)，看視頻，看博客，敲代碼，前期大概花了3-4個(gè)月吧（公眾號(hào)的這些資料就是我當(dāng)時(shí)看過(guò)的），也是一步步艱難走過(guò)來(lái)的，剛剛開(kāi)始接觸大數(shù)據(jù)相關(guān)的東西時(shí)，一度懷疑這么多東西自己能否學(xué)得完，是不是能用得到，學(xué)完又忘了，忘了又回頭看，不過(guò)還好，堅(jiān)持過(guò)來(lái)了，還好沒(méi)有放棄，工作也還ok，找的大數(shù)據(jù)開(kāi)發(fā)崗，待遇也還不錯(cuò)吧。
下面就說(shuō)一下我自己從Java開(kāi)發(fā)到大數(shù)據(jù)開(kāi)發(fā)的曲折學(xué)習(xí)之路（狗頭保命.jpg）。因?yàn)槲椰F(xiàn)在是做大數(shù)據(jù)相關(guān)的工作了，所以Java后端涉及到的一些SSM框架等知識(shí)點(diǎn)我就不介紹了，畢竟后續(xù)一段時(shí)間也沒(méi)有做了。自己看過(guò)的大數(shù)據(jù)學(xué)習(xí)相關(guān)的視頻+資料大概是200G-300G吧，從Linux->Hadoop->。。。->Spark->項(xiàng)目，還有就是一些面試文檔，面經(jīng)等。一些視頻看了兩遍或者更多，跟著學(xué)，跟著敲代碼，做項(xiàng)目，準(zhǔn)備面試。涉及到需要學(xué)習(xí)的東西包括：JavaSE，數(shù)據(jù)結(jié)構(gòu)與算法（計(jì)算機(jī)行業(yè)必備），MySQL，Redis，ES（數(shù)據(jù)庫(kù)這些可以看項(xiàng)目，也可以自己熟練一兩個(gè)），Linux，Shell（這個(gè)可以后期補(bǔ)），Hadoop，Zookeeper，Hive，F(xiàn)lume，Kafka，HBase，Scala（Spark是Scala寫(xiě)的，會(huì)Scala做相關(guān)的項(xiàng)目會(huì)更容易入手），Spark，F(xiàn)link（這個(gè)是找工作時(shí)有面試官問(wèn)過(guò)幾次liao不liao解，所以找完工作才開(kāi)始接觸學(xué)習(xí)），相關(guān)項(xiàng)目。
編程語(yǔ)言階段學(xué)習(xí)? 如果是零基礎(chǔ)的話(huà)，建議還是從視頻開(kāi)始入門(mén)比較好，畢竟一上來(lái)就看教材，這樣有些代碼的來(lái)龍去脈可能不是很了解。如果是有一些編程語(yǔ)言基礎(chǔ)的話(huà)，從視頻開(kāi)始也會(huì)更簡(jiǎn)單，一些for、while循環(huán)你都知道了，學(xué)起來(lái)也會(huì)快很多。? JavaSE我是選擇的某馬劉意的為主，因?yàn)閯倓傞_(kāi)始學(xué)Java看過(guò)一本從《Java從入門(mén)到精通》，沒(méi)什么感覺(jué)，后續(xù)又在看了某課網(wǎng)的Java初級(jí)視頻，還是沒(méi)感覺(jué)出來(lái)啥（當(dāng)時(shí)就有點(diǎn)懷疑自己了。。。），可能有點(diǎn)沒(méi)進(jìn)入狀態(tài)。? 還好后續(xù)找了某馬劉意老師的JavaSE視頻（我是看的2015年版本，那時(shí)候19版還沒(méi)出），覺(jué)得他講的真的是很好很詳細(xì)，每個(gè)知識(shí)點(diǎn)都會(huì)有例子，也都會(huì)帶你敲代碼，做測(cè)試，可能前面有C語(yǔ)言基礎(chǔ)，然后也看過(guò)Java的一些語(yǔ)法，所以學(xué)起來(lái)還是比較順利，后面的IO流、多線(xiàn)程等知識(shí)點(diǎn)時(shí)，也有看書(shū)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(huì)給出視頻鏈接），盡量懂一些，后續(xù)可以回頭來(lái)復(fù)習(xí)。JavaSE相關(guān)的視頻，先看一遍，后續(xù)有時(shí)間建議再看一遍，而且這些經(jīng)典的視頻，看兩遍真的是享受。? 如果有一定基礎(chǔ)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(kāi)仔細(xì)想想，零基礎(chǔ)的還是盡量不要加速吧，慢慢來(lái)穩(wěn)些。后面的視頻建議還是跟著視頻來(lái)，盡量不要加速，代碼盡量都敲一敲，第一遍基本上一個(gè)月到一個(gè)半月可以結(jié)束。? JavaSE可以說(shuō)是很基礎(chǔ)也很重要的東西，主要重點(diǎn)包括面向?qū)ο蟆⒓希↙ist、Map等），IO流，String/StringBuilder/StringBuffer、反射、多線(xiàn)程，這些最好是都要熟悉一些，面試也是重點(diǎn)。? JavaSE之后，如果你是要走前端或后端開(kāi)發(fā)路線(xiàn)的話(huà)，可以跟著一些網(wǎng)上的視頻繼續(xù)學(xué)習(xí)，這里我就不多做介紹了。
===========分割線(xiàn)，Scala可以后續(xù)Spark階段再接觸學(xué)習(xí)=============
? Scala的學(xué)習(xí)，Scala是一門(mén)多范式 (multi-paradigm) 的編程語(yǔ)言，Scala支持面向?qū)ο蠛秃瘮?shù)式編程，最主要的是后續(xù)Spark的內(nèi)容需要用到Scala，所以前面學(xué)習(xí)了JavaSE，到Spark學(xué)習(xí)之前，再把Scala學(xué)習(xí)一波，美滋滋，而且Scala可以和Java進(jìn)行無(wú)縫對(duì)接，混合使用，更是爽歪歪。后續(xù)Spark學(xué)習(xí)時(shí)基本都是用的Scala，也可能是和Java結(jié)合使用，所以Spark之前建議還是先學(xué)一波Scala，而且Scala用起來(lái)真是很舒服（wordcount一行代碼搞定），適合迭代式計(jì)算，對(duì)數(shù)據(jù)處理有很大幫助，不過(guò)Scala看代碼很容易看懂，但是學(xué)起來(lái)還是挺難的，比如樣例類(lèi)（case class）用起來(lái)真是nice，但是隱式轉(zhuǎn)換學(xué)起來(lái)就相對(duì)比較難。學(xué)習(xí)Scala的建議：1. 學(xué)習(xí)scala 特有的語(yǔ)法，2. 搞清楚scala和java區(qū)別，3. 了解如何規(guī)范的使用scala。Scala對(duì)學(xué)習(xí)Spark是很重要的（后面Flink也是要用），雖然現(xiàn)在很多公司還是用Java開(kāi)發(fā)比較多，而且Spark是Scala寫(xiě)的，如果要讀源碼，會(huì)Scala還是很重要的（至少要看得懂代碼）。? Scala主要重點(diǎn)包括：隱式轉(zhuǎn)換和隱式參數(shù)、模式匹配、函數(shù)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(cuò)，五星推薦，哈哈。? 也許有人會(huì)覺(jué)得Python也是需要的，但是學(xué)習(xí)階段，可能用Java還是比較多，面試也基本都是問(wèn)Java相關(guān)的內(nèi)容，所以Python后續(xù)工作會(huì)用到的話(huà)，再看看Python的內(nèi)容吧。
大數(shù)據(jù)框架階段學(xué)習(xí)? 大數(shù)據(jù)這方面的知識(shí)點(diǎn)自己可以說(shuō)真的是從零開(kāi)始的，剛剛開(kāi)始學(xué)那會(huì)Linux基本都沒(méi)用過(guò)，心里那個(gè)虛啊，而且時(shí)間也緊迫，想起來(lái)都是一把辛酸淚。? 剛剛開(kāi)始學(xué)的時(shí)候，看了廈門(mén)大學(xué)林子雨的《 大數(shù)據(jù)技術(shù)原理與應(yīng)用》課程，可能這個(gè)課程是面對(duì)上課的，所以看了一些，感覺(jué)對(duì)自己幫助不是很大（并不是說(shuō)課程不好，可能不太適合自己，如果是要了解理論知識(shí)，很透徹，但是俺時(shí)間緊迫啊），所以就繼續(xù)在網(wǎng)上找視頻，然后發(fā)現(xiàn)某硅谷的培訓(xùn)視頻很多人去參加，而且知識(shí)點(diǎn)也很齊全，大數(shù)據(jù)相關(guān)組件都有講課，還有一些項(xiàng)目比較好，所以就找了它相關(guān)的視頻，當(dāng)時(shí)看的是2018年的，所以視頻不算舊。? 來(lái)一張推薦系統(tǒng)架構(gòu)的圖，先看看
? 一般來(lái)說(shuō)，F(xiàn)lume+Kafka對(duì)數(shù)據(jù)進(jìn)行采集聚合傳輸，一方面Spark對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行處理，傳輸給相應(yīng)的數(shù)據(jù)處理模塊（比如實(shí)時(shí)數(shù)據(jù)處理的算法模塊，Spark也有提供常見(jiàn)的機(jī)器學(xué)習(xí)算法的程序庫(kù)），另一方面采集的數(shù)據(jù)也可以放入數(shù)據(jù)庫(kù)（HBase、MongoDB等）中，后續(xù)MapReduce對(duì)離線(xiàn)數(shù)據(jù)進(jìn)行離線(xiàn)處理，數(shù)據(jù)處理完畢用于后續(xù)的使用，數(shù)據(jù)采集處理的流程大概就是這樣。如果是推薦系統(tǒng)，實(shí)時(shí)推薦會(huì)給用戶(hù)產(chǎn)生實(shí)時(shí)的推薦結(jié)果，讓用戶(hù)進(jìn)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(guān)了。離線(xiàn)推薦的話(huà)主要是對(duì)離線(xiàn)數(shù)據(jù)進(jìn)行處理，為物品或種類(lèi)做出相似的推薦，如果后續(xù)用戶(hù)搜索相應(yīng)的物品時(shí)，給用戶(hù)展示相應(yīng)的產(chǎn)品。
? 大數(shù)據(jù)學(xué)習(xí)路線(xiàn)：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 項(xiàng)目 - > Flink（ 如果需要學(xué)習(xí)Storm，在Spark前面學(xué)習(xí)）
一、Linux（基本操作）? 一般我們使用的都是虛擬機(jī)來(lái)進(jìn)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?jiǎng)邮謱?shí)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(huì)用，做相應(yīng)的一些配置，使用SecureCRT來(lái)做遠(yuǎn)程登錄操作（也可以使用其他的，自己順手就行）。再?gòu)?qiáng)調(diào)一遍，基本操作命令盡量熟練一點(diǎn)，如果一下記不住，打印一些常用的，自己看看，多用多實(shí)踐，慢慢就會(huì)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(xù)都會(huì)使用，Shell編程可以后續(xù)補(bǔ)。
二、Hadoop（重點(diǎn)中的重點(diǎn)）? Hadoop是一個(gè)分布式系統(tǒng)基礎(chǔ)框架，用于主要解決海量數(shù)據(jù)的存儲(chǔ)和海量數(shù)據(jù)的分析計(jì)算問(wèn)題，也可以說(shuō)Hadoop是后續(xù)整個(gè)集群環(huán)境的基礎(chǔ)，很多框架的使用都是會(huì)依賴(lài)于Hadoop。主要是由HDFS、MapReduce、YARN組成。這個(gè)部分安裝Hadoop，Hadoop的三個(gè)主要組成部分是重點(diǎn)，對(duì)他們的概念要理解出來(lái)，知道他們是做什么的，搭建集群環(huán)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(dòng)手實(shí)踐，自己搭建集群，仔細(xì)仔細(xì)再仔細(xì)，Hadoop的NameNode，DataNode，YARN的啟動(dòng)關(guān)閉命令一定要知道，以及他們的啟動(dòng)關(guān)閉順序要記住，不要搞混。后續(xù)視頻會(huì)有一些案例操作，跟著寫(xiě)代碼，做測(cè)試，把基本環(huán)境都配置好，后續(xù)這個(gè)集群（完全分布式需要三臺(tái)虛擬機(jī)）要一直使用。
三、Zookeeper? Zookeeper是一個(gè)開(kāi)源的分布式的，為分布式應(yīng)用提供協(xié)調(diào)服務(wù)的Apache項(xiàng)目。分布式安裝ZK，對(duì)ZK有一定的了解就可以了，了解它的應(yīng)用場(chǎng)景，以及內(nèi)部原理，跟著做一些操作，基本上有一些了解即可。
四、Hive（重點(diǎn)）? Hive是基于Hadoop的數(shù)據(jù)倉(cāng)庫(kù)工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張表，并提供類(lèi)SQL查詢(xún)功能。Hive的安裝，它的數(shù)據(jù)類(lèi)型，以及它的數(shù)據(jù)定義、數(shù)據(jù)操作有較好的了解，怎么操作表（創(chuàng)建表、刪除表，創(chuàng)建什么類(lèi)型的表，他們有什么不同），怎么操作數(shù)據(jù)（加載數(shù)據(jù)，下載數(shù)據(jù)，對(duì)不同的表進(jìn)行數(shù)據(jù)操作），對(duì)數(shù)據(jù)的查詢(xún)一定要進(jìn)行實(shí)踐操作，以及對(duì)壓縮方式和存儲(chǔ)格式要有一些了解，用到時(shí)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(huì)問(wèn)，所以視頻后續(xù)的面試講解可以看看，理解清楚。
五、Flume? Flume是一個(gè)高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)。對(duì)于Flume，對(duì)它的組成架構(gòu)，以及對(duì)Flume Agent的內(nèi)部原理要理解清楚，Source、Channel、Sink一定要知道它們的各種類(lèi)型以及作用，有哪些拓?fù)浣Y(jié)構(gòu)是常見(jiàn)常用的，例如一對(duì)一，單Source、多Channel、多Sink等，它們有什么作用，要理解清楚。還有一個(gè)重點(diǎn)，就是對(duì)Flume的配置文件一定要了解清楚，不懂的可以上官網(wǎng)查看案例，對(duì)于不同的情況，它的配置文件要做相應(yīng)的修改，才能對(duì)數(shù)據(jù)進(jìn)行采集處理，視頻中的實(shí)踐案例一定要跟著做。
六、Kafka（重點(diǎn)）? Kafka是一個(gè)分布式消息隊(duì)列，用來(lái)緩存數(shù)據(jù)的。比如說(shuō)實(shí)時(shí)計(jì)算中可以通過(guò)Flume+Kafka對(duì)數(shù)據(jù)進(jìn)行采集處理之后，Spark Streaming再使用Kafka相應(yīng)的Topic中的數(shù)據(jù)，用于后續(xù)的計(jì)算使用。對(duì)于Kafka，要理解Kafka的架構(gòu)，什么是Kafka，為什么需要Kafka，應(yīng)用場(chǎng)景。基本的命令行操作要掌握，比如怎么創(chuàng)建刪除Topic，怎么通過(guò)生產(chǎn)者生成數(shù)據(jù)，消費(fèi)者怎么消費(fèi)數(shù)據(jù)等基本操作，官網(wǎng)也是有一些案例可以查閱的。
七、HBase（重點(diǎn)）? HBase是一個(gè)分布式的、基于列存儲(chǔ)的開(kāi)源數(shù)據(jù)庫(kù)。HBase適合存儲(chǔ)PB級(jí)別的海量數(shù)據(jù)，也可以說(shuō)HBase是很適合大數(shù)據(jù)的存儲(chǔ)的，它是基于列式存儲(chǔ)數(shù)據(jù)的，列族下面可以有非常多的列，列族在創(chuàng)建表的時(shí)候就必須指定。所以對(duì)HBase的數(shù)據(jù)結(jié)構(gòu)要有一定的理解，特別是RowKey的設(shè)計(jì)部分（因?yàn)槊嬖嚤粏?wèn)到過(guò)，咳咳，所以點(diǎn)一下），對(duì)于它的原理要了解，一些基本操作也要都會(huì)，比如創(chuàng)建表，對(duì)表的操作，基本的API使用等。
八、Spark（重點(diǎn)中的重點(diǎn)）? Spark是快速、易用、通用的大數(shù)據(jù)分析引擎。一說(shuō)到Spark，就有一種哪哪都是重點(diǎn)感覺(jué)，哈哈。? Spark的組成可以看下圖
? Spark是基于內(nèi)存計(jì)算的，對(duì)于數(shù)據(jù)的處理速度要比MapReduce快很多很多，而且數(shù)據(jù)挖掘這些都是要對(duì)數(shù)據(jù)做迭代式計(jì)算，MapReduce對(duì)數(shù)據(jù)的處理方式也不適合，而Spark是可以進(jìn)行迭代式計(jì)算，很適合數(shù)據(jù)挖掘等場(chǎng)景。Spark的Spark SQL能夠?qū)Y(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理，Spark SQL的DataFrame或DataSet可以作為分布式SQL查詢(xún)引擎的作用，可以直接使用Hive上的表，對(duì)數(shù)據(jù)進(jìn)行處理。Spark Streaming主要用于對(duì)應(yīng)用場(chǎng)景中的實(shí)時(shí)流數(shù)據(jù)進(jìn)行處理，支持多種數(shù)據(jù)源，DStream是Spark Streaming的基礎(chǔ)抽象，由一系列RDD組成，每個(gè)RDD中存放著一定時(shí)間段的數(shù)據(jù)，再對(duì)數(shù)據(jù)進(jìn)行處理，而且是基于內(nèi)存計(jì)算，速度快，所以很適合實(shí)時(shí)數(shù)據(jù)的處理。Spark MLlib提供常見(jiàn)的機(jī)器學(xué)習(xí)(ML)功能的程序庫(kù)。包括分類(lèi)、回歸、聚類(lèi)、協(xié)同過(guò)濾等，還提供了模型評(píng)估、數(shù)據(jù) 導(dǎo)入等額外的支持功能。對(duì)Spark的核心組件、部署模式（主要是Standalone模式和YARN模式）、通訊架構(gòu)、任務(wù)調(diào)度要有一定了解（面試問(wèn)到了可以說(shuō)一波），Spark Shuffle要好好理解，還有內(nèi)存管理要知道，對(duì)Spark的內(nèi)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(diǎn)中的重點(diǎn)）? Flink是一個(gè)框架和分布式處理引擎，用于對(duì)無(wú)界（有開(kāi)始無(wú)結(jié)束）和有界（有開(kāi)始有結(jié)束）數(shù)據(jù)流進(jìn)行有狀態(tài)計(jì)算。現(xiàn)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(qiáng)孰弱還有待時(shí)間的考驗(yàn)，不過(guò)Flink近幾年越來(lái)越火了這是事實(shí)，所以如果有時(shí)間有精力的話(huà)，可以學(xué)一學(xué)Flink相關(guān)的內(nèi)容也是很不錯(cuò)的。Spark和Flink主要都是在數(shù)據(jù)處理方面應(yīng)用，在數(shù)據(jù)處理方面的話(huà)，離線(xiàn)數(shù)據(jù)處理：Flink暫時(shí)比不上Spark，Spark SQL優(yōu)點(diǎn)在于可以和Hive進(jìn)行無(wú)縫連接，Spark SQL可以直接使用Hive中的表；Flink暫時(shí)做不到這一步，因?yàn)楣俜讲恢С诌@一操作，F(xiàn)link只能將數(shù)據(jù)讀取成自己的表，不能直接使用Hive中的表。對(duì)于實(shí)時(shí)數(shù)據(jù)的處理：Flink和Spark可以說(shuō)是平分秋色吧，而且Flink是以事件為驅(qū)動(dòng)對(duì)數(shù)據(jù)進(jìn)行處理，而Spark是以時(shí)間為驅(qū)動(dòng)對(duì)數(shù)據(jù)進(jìn)行處理，在一些應(yīng)用場(chǎng)景中，也許Flink的效果比Spark的效果還要好些，因?yàn)镕link對(duì)數(shù)據(jù)更加的敏感。比如一秒鐘如果觸發(fā)了成千上萬(wàn)個(gè)事件，那么時(shí)間驅(qū)動(dòng)型就很難對(duì)數(shù)據(jù)做細(xì)致的計(jì)算，而事件驅(qū)動(dòng)型可以以事件為單位，一個(gè)個(gè)事件進(jìn)行處理，相比而言延遲更低，處理效果更好。現(xiàn)在使用Flink的公司越來(lái)越多，有時(shí)間學(xué)習(xí)下，也算是有個(gè)準(zhǔn)備。
項(xiàng)目階段? 其實(shí)某硅谷的視頻里面有很多大數(shù)據(jù)相關(guān)的項(xiàng)目，而且都是文檔配代碼的，B站上也有視頻，學(xué)習(xí)期間可以跟著視頻做兩到三個(gè)項(xiàng)目，自己理清思路，把項(xiàng)目理解透徹，還是可以學(xué)到很多東西的。? 根據(jù)自己情況，選擇兩到三個(gè)項(xiàng)目重點(diǎn)跟著做，理解透徹一點(diǎn)
大數(shù)據(jù)項(xiàng)目實(shí)戰(zhàn)? 某硅谷的視頻里面有很多大數(shù)據(jù)相關(guān)的項(xiàng)目，而且都是文檔配代碼的，學(xué)習(xí)期間可以跟著視頻做兩到三個(gè)項(xiàng)目，自己理清思路，把項(xiàng)目理解透徹，還是可以學(xué)到很多東西的。根據(jù)自己情況，選擇兩到三個(gè)項(xiàng)目重點(diǎn)跟著做，理解透徹一點(diǎn)。相關(guān)項(xiàng)目文檔資料我已經(jīng)放到網(wǎng)盤(pán)，GongZhongHao回復(fù)相應(yīng)關(guān)鍵字獲取領(lǐng)取方式。 ? 相關(guān)項(xiàng)目、涉及技術(shù)框架及其B站鏈接（B站鏈接主要是為了有些小伙伴網(wǎng)盤(pán)速度限制，這樣就下載文檔資料即可）
書(shū)籍? 書(shū)籍部分直接云盤(pán)鏈接保存即可，這里我放兩張Java開(kāi)發(fā)和大數(shù)據(jù)開(kāi)發(fā)我自己的書(shū)單（很多，路漫漫，吾將上下而求索~）? Java后端書(shū)架：
? 大數(shù)據(jù)書(shū)架：
? 大概就這些，看完就需要很久了，大部分我也是需要的時(shí)候看相應(yīng)的部分，所以有時(shí)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(xué)習(xí)即可。
最后? 大數(shù)據(jù)開(kāi)發(fā)也是需要編程基礎(chǔ)的，并不是學(xué)會(huì)使用這些框架怎么樣就可以了，所以對(duì)于編程語(yǔ)言，數(shù)據(jù)結(jié)構(gòu)與算法，計(jì)算機(jī)網(wǎng)絡(luò)這些基礎(chǔ)也是要的，這些基礎(chǔ)知識(shí)也有助于自己以后的發(fā)展，如果是應(yīng)屆生校招的話(huà)，面試基本上都是JavaSE和數(shù)據(jù)結(jié)構(gòu)與算法等的知識(shí)點(diǎn)，還有大數(shù)據(jù)組件相關(guān)的知識(shí)點(diǎn)，以及對(duì)項(xiàng)目的理解，這些都是要自己面試前準(zhǔn)備好的，多看面經(jīng)，多找面試題看，面幾次，心里有譜了，后續(xù)面試就好了。? 不管是從事什么樣的計(jì)算機(jī)相關(guān)的崗位，編程都是很重要的，數(shù)據(jù)結(jié)構(gòu)與算法特別重要，還有就是leetcode等編程網(wǎng)站刷題，提升自己的編程思維，后續(xù)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(zhuǎn)換成一疊疊rmb，自己就一定要：堅(jiān)持，多敲代碼；多敲代碼，堅(jiān)持；堅(jiān)持。?
