想要自学大数据，知道如何下手的小伙伴有福利了，本文专门为你准备的学习计划，这些技术知识梳理、其中的定义、关系以及作用，对你以后的学习会有很大的帮助！ 大数据本质也是数据，但是又有了新的特征，包括数据来源广、数据格式多样化（结构化数据、非结构化数据、Excel文件、文本文件等）、数据量大（最少也是TB级别的、甚至可能是PB级别）、数据增长速度快等。 针对大数据主要的4个特征我们需要考虑以下问题： 数据来源广，该如何采集汇总？，对应出现了Sqoop，Cammel，Datax等工具。 数据采集之后，该如何存储？，对应出现了GFS，HDFS，TFS等分布式文件存储系统。 由于数据增长速度快，数据存储就必须可以水平扩展。 数据存储之后，该如何通过运算快速转化成一致的格式，该如何快速运算出自己想要的结果？ 对应的MapReduce这样的分布式运算框架解决了这个问题；但是写MapReduce需要Java代码量很大，所以出现了Hive，Pig等将SQL转化成MapReduce的解析引擎； 普通的MapReduce处理数据只能一批一批地处理，时间延迟太长，为了实现每输入一条数据就能得到结果，于是出现了Storm/JStorm这样的低时延的流式计算框架； 但是如果同时需要批处理和流处理，按照如上就得搭两个集群，Hadoop集群（包括HDFS+MapReduce+Yarn）和Storm集群，不易于管理，所以出现了Spark这样的一站式的计算框架，既可以进行批处理，又可以进行流处理（实质上是微批处理）。 而后Lambda架构，Kappa架构的出现，又提供了一种业务处理的通用架构。 为了提高工作效率，加快运速度，出现了一些辅助工具： Ozzie，azkaban：定时任务调度的工具。 Hue，Zepplin：图形化任务执行管理，结果查看工具。 Scala语言：编写Spark程序的最佳语言，当然也可以选择用Python。 Python语言：编写一些脚本时会用到。 Allluxio，Kylin等：通过对存储的数据进行预处理，加快运算速度的工具。 以上大致就把整个大数据生态里面用到的工具所解决的问题列举了一遍，知道了他们为什么而出现或者说出现是为了解决什么问题，进行学习的时候就有的放矢了。

一、大数据前景 大数据技术适应现代社会的发展，从数据量巨大、结构复杂、类型众多的数据中，快速获取有价值的信息，被认为是“未来的新石油”，在社会生产、流通、分配、消费活动以及经济运行机制等方面发挥着重要的作用。 大数据发展呈全球化的趋势，大数据前景大好，是后面至少10年的热点。任何系统、任何公司的核心都是数据。现在社会的大数据公司主要可以分为三大类，分别是技术型、创新型、数据型这三种，不论是哪一种类都是现代社会不可获缺的。现在流行hadoop，流行内存计算、内存数据网格等等，以后还会有更多的概念和技术，但本质都是为大数据服务。数据TB、PB、EB、ZB、YB的飙升，将诞生系列新的技术和产业，大数据从业人员将是最有发展前景的职业。 二、大数据薪资待遇 目前出现在各类招聘平台上与数据分析相关的招聘需求比去年同期相比，增长率高达67%；大数据相关高级职位的薪酬与其他同类技术职位相比平均高出43%以上。各行各业对大数据人才的需求，以及技术从业者希望跻身大数据高级人才的需求变得越来越强烈。 三、零基础自学大数据 想要成为合格的大数据分析师，就需要精通SQL语句并对redis，mongodb等nosql数据库有一定经验;.熟练使用数理统计、数据分析、数据挖掘工具软件(SAS、R、python语言等的一种或多种)，能熟练使用SQL读取数据和熟练操作excel。 其次大数据分析师还需要精通java或scala语言，精通spark，hadoop，kafka，hive，hbase，zookeeper等大数据相关技术，会用逻辑回归、神经网络、决策树、聚类等的一种或多种建模方法;熟悉Linux操作系统，了解数据结构和算法等等。 想要成为大数据分析师需要掌握的技术不在少数，并且学习难度也是有的。自学的话，成功率会很低，不少自学的朋友，越来越学不会，而最终放弃学习，并且学习过程会比较辛苦。而且自学会缺少实战项目，大数据分析不是纸上谈兵类型的技术。 参加大数据培训这种方式是被绝大部分人所选择的，因为参加大数据培训跟着老师学习的话，不仅能学到更多的知识还提高了学习的效率，就业有保障。 零基础能自学大数据分析吗?能是能，但是你能不能学会，学多久会放弃就说不准了，因此对于想要学习大数据的小伙伴小编还是建议大家参加大数据培训学习比较好。