大数据时代的出现简单的讲是海量数据同完美计算能力结合的结果，确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。当我们最初谈大数据的时候，谈的最多的可能是用户行为分析，即通过各种用户行为，包括浏览记录，消费记录，交往和购物娱乐，行动轨迹等各种用户行为产生的数据。由于这些数据本身符合海量，异构的特征，同时通过分析这些数据之间的关联性容易匹配某些结果现象。
大数据应用场景：
制造业，利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程
金融行业，大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。
汽车行业，利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。
互联网行业，借助于大数据技术，可以分析客户行为，进行商品推荐和针对性广告投放。
电信行业，利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施
能源行业，随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全。
物流行业，利用大数据优化物流网络，提高物流效率，降低物流成本
城市管理，可以利用大数据实现智能交通、环保监测、城市规划和智能安防
生物医学，大数据可以帮助我们实现流行病预测、智慧医疗、健康管理，同时还可以帮助我们解读DNA,了解更多的生命奥秘。
安全领域，政府可以利用大数据技术构建起强大的国家安全保障体系，企业可以利用大数据抵御网络攻击，警察可以借助大数据来预防犯罪。
个人生活， 大数据还可以应用于个人生活，利用与每个人相关联的“个人大数据”，分析个人生活行为习惯，为其提供更加周到的个性化服务。
当然大数据的价值远远不止于此，大数据对各行各业的渗透，大大推动了社会生产和生活，未来必将产生重大而深远的影响。那么回归主题，如何进行大数据领域，学习线路是什么？
第一阶段：大数据基础Java语言基础阶段
Java语言基础学习线路图
详细知识点介绍：
Java开发介绍：
Java的发展历史，Java的应用领域，Java语言的特性，Java面向对象，Java性能分类， 搭建Java环境，Java工作原理
熟悉Eclipse开发工具：
Eclipse简介与下载，安装Eclipse的中文语言包， Eclipse的配置与启动，
Eclipse工作台与视图，“包资源管理器”视图， 使用Eclipse， 使用编辑器编写程序代码
Java语言基础：
Java主类结构，基本数据类型， 变量与常量，Java运算符， 数据类型转换， 代码注释与编码规范，Java帮助文档
Java流程控制：
复合语句， 条件语句，if条件语句， switch多分支语句，while循环语句， do…while循环语句， for循环语句
Java字符串：
String类， 连接字符串， 获取字符串信息， 字符串操作， 格式化字符串， 使用正则表达式，字符串生成器
Java数组与类和对象：
数组概述，一维数组的创建及使用，二维数组的创建及使用，数组的基本操作，数组排序算法，Java的类和构造方法、Java的对象，属性和行为
数字处理类与核心技术：
数字格式化与运算，随机数 与大数据运算，类的继承与Object类，对象类型的转换，使用instanceof操作符判断对象类型，方法的重载与多态，抽象类与接口
I/O与反射、多线程：
流概述与File类，文件 输入/输出流，缓存 输入/输出流， Class类与Java反射，Annotation功能类型信息，枚举类型与泛型，创建、操作线程与线程安全
Swing程序与集合类：
常用窗体，标签组件与图标，常用布局管理器 与面板，按钮组件 与列表组件，常用事件监听器，集合类概述，Set集合 与Map集合及接口
PC端网站布局：
HTML基础，CSS基础，CSS核心属性，CSS样式层叠，继承，盒模型，容器，溢出及元素类型，浏览器兼容与宽高自适应，定位，锚点与透明，图片整合，表格，CSS属性与滤镜，CSS优化
HTML5+CSS3基础：
HTML5新增的元素与属性， CSS3选择器，文字字体相关样式，CSS3位移与变形处理，CSS3 2D、3D转换与动画，弹性盒模型，媒体查询，响应式设计
WebApp页面布局项目：
移动端页面设计规范，移动端切图，文字流式/控件弹性/图片等比例的布局，等比缩放布局，viewport/meta，rem/vw的使用，flexbox详解，移动web特别样式处理
原生JavaScript功能开发：
原生JavaScript功能开发，JavaScript使用及运作原理，JavaScript基本语法，JavaScript内置对象，事件，事件原理，JavaScript基本特效制作，cookie存储，正则表达式
Ajax异步交互：
Ajax概述与特征，Ajax工作原理，XMLHttpRequest对象，同步与异步，Ajax异步交互，Ajax跨域问题，Ajax数据的处理，基于WebSocket和推送的实时交互
JQuery应用：
各选择器使用及应用优化，Dom节点的各种操作，事件处理、封装、应用，jQuery中的各类动画使用，可用性表单的开发，jQuery Ajax、函数、缓存， jQuery编写插件、扩展、应用，理解模块式开发及应用
数据库：
Mysql数据库，JDBC开发，连接池和DBUtils，Oracle介绍，MongoDB数据库介绍，apache服务器/Nginx服务器，Memcached内存对象缓存系统
JavaWeb开发核心：
XML技术，HTTP协议，Servlet工作原理解析，深入理解Session与Cookie，Tomcat的系统架构与设计模式，JSP语法与内置对象，JDBC技术，大浏览量系统的静态化架构设计
JavaWeb开发内幕：
深入理解Web请求过程，Java I/O的工作机制，Java Web中文编码，Javac编译原理，class文件结构，ClassLoader工作机制，JVM体系结构与工作方式，JVM内存管理
第二阶段：Linux系统Hadoop生态体系
Linux系统Hadoop生态体系学习线路图
详细知识点介绍：
Linux体系：
VMware Workstation虚拟软件安装过程、CentOS虚拟机安装过程，了解机架服务器，采用真实机架服务器部署linux，Linux的常用命令：常用命令的介绍、常用命令的使用和练习，Linux系统进程管理基本原理及相关管理工具如ps、pkill、top、htop等的使用，Linux启动流程，运行级别详VI、VIM编辑器：VI、VIM编辑器的介绍、VI、VIM扥使用和常用快捷键， Linux用户和组账户管理：用户的管理、组管理，Linux磁盘管理，lvm逻辑卷，nfs详解，Linux系统文件权限管理：文件权限介绍、文件权限的操作，Linux的RPM软件包管理：RPM包的介绍、RPM安装、卸载等操作，yum命令，yum源搭建，Linux网络：Linux网络的介绍、Linux网络的配置和维护，Shell编程，Shell的介绍、Shell脚本的编写
Linux上常见软件的安装：
安装JDK、安装Tomcat、安装mysql,web项目部署
Hadoop离线计算：
Hadoop生态环境介绍，Hadoop云计算中的位置和关系，国内外Hadoop应用案例介绍，国内外Hadoop应用案例介绍，Hadoop 概念、版本、历史，Hadoop 核心组成介绍及hdfs、mapreduce 体系结构，Hadoop 的集群结构，Hadoop 伪分布的详细安装步骤，通过命令行和浏览器观察hadoop，HDFS底层&& datanode,namenode详解&&shell&&Hdfs java api，Mapreduce四个阶段介绍，Writable，InputSplit和OutputSplit，Maptask，Shuffle：Sort，Partitioner，Group,Combiner，Reducer，Mapreducer案例：二次排序， 倒排序索引， 最优路径，电信数据挖掘之-----移动轨迹预测分析（中国棱镜计划），社交好友推荐算法，互联网精准广告推送算法，Hadoop离线计算大纲，阿里巴巴天池大数据竞赛 《天猫推荐算法》，Mapreduce实战pagerank算法，Hadoop2.x集群结构体系介绍，Hadoop2.x集群搭建，NameNode的高可用性（HA），HDFS Federation，ResourceManager 的高可用性（HA），Hadoop集群常见问题和解决方法，Hadoop集群管理
分布式数据库Hbase：
Hbase简介，HBase与RDBMS的对比，数据模型，系统架构，HBase上的MapReduce，表的设计，集群的搭建过程讲解，集群的监控，集群的管理，HBase Shell以及演示， Hbase 树形表设计，Hbase 一对多 和 多对多 表设计，Hbase 微博 案例，Hbase 订单案例，Hbase表级优化，分布式数据库Hbase，Hbase 写数据优化，Hbase 读数据优化Hbase API操作，hbase mapdreduce 和hive 整合
数据仓库Hive：
数据仓库基础知识，Hive定义，Hive体系结构简介，Hive集群，客户端简介，HiveQL定义，HiveQL与SQL的比较，数据类型，外部表和分区表，ddl与CLI客户端演示，dml与CLI客户端演示，select与CLI客户端演示，Operators 和 functions与CLI客户端演示，Hive server2 与jdbc，用户自定义函数（UDF 和 UDAF）的开发与演示，Hive 优化，serde
数据迁移工具Sqoop：
Sqoop简介以及使用，Sqoop shell使用，Sqoop-import，DBMS-hdfs，DBMS-hive，DBMS-hbase，Sqoop-export
Flume分布式日志框架：
flume简介-基础知识，flume安装与测试，flume部署方式，flume source相关配置及测试，flume sink相关配置及测试，flume selector 相关配置与案例分析，flume Sink Processors相关配置和案例分析，flume Interceptors相关配置和案例分析，flume AVRO Client开发，flume 和kafka 的整合
第三阶段：分布式计算框架Spark&Storm生态体系
分布式计算框架Spark&Storm生态体系学习线路图
详细知识点介绍：
Scala编程语言：
scala解释器、变量、常用数据类型等，scala的条件表达式、输入输出、循环等控制结构，scala的函数、默认参数、变长参数等，scala的数组、变长数组、多维数组等，scala的映射、元组等操作，scala的类，包括bean属性、辅助构造器、主构造器，scala的对象、单例对象、伴生对象、扩展类、apply方法等，scala的包、引入、继承等概念，scala的特质，scala的操作符，scala的高阶函数，scala的集合，scala数据库连接
Spark大数据处理：
Spark介绍，Spark应用场景，Spark和Hadoop MR、Storm的比较和优势， RDD，Transformation，Action，Spark计算PageRank，Lineage， Spark模型简介，Spark缓存策略和容错处理，宽依赖与窄依赖，Spark配置讲解，Spark集群搭建，集群搭建常见问题解决，Spark原理核心组件和常用RDD，数据本地性，任务调度，DAGScheduler，TaskScheduler，Spark源码解读，性能调优，Spark和Hadoop2.x整合：Spark on Yarn原理
Spark—Streaming大数据实时处理：
Spark Streaming：数据源和DStream ，无状态transformation与有状态transformation，Streaming Window的操作，sparksql 编程实战，spark的多语言操作，spark最新版本的新特性
Spark—Mlib机器学习：
Mlib简介，Spark MLlib组件介绍，基本数据类型，回归算法，广义线性模型，逻辑回归，分类算法，朴素贝叶斯，决策树，随机森林，推荐系统，聚类
Spark—GraphX 图计算：
二分图，构造图， 属性图，PageRank
3.5.2 概述 构造图，属性图，PageRank
storm技术架构体系：
项目技术架构体系，Storm是什么，Storm架构分析，Storm编程模型、Tuple源码、并发度分析，
Transformation，Maven环境快速搭建，Storm WordCount案例及常用Api，Storm+Kafka+Redis业务指标计算，3.6.9 Storm集群安装部署，Storm源码下载编译
Storm原理与基础：
Storm集群启动及源码分析，Storm任务提交及源码分析，Storm数据发送流程分析，Strom通信机制分析浅谈，Storm消息容错机制及源码分析，Storm多stream项目分析，Storm Trident和传感器数据，实时趋势分析，Storm DRPC(分布式远程调用)介绍，Storm DRPC实战讲解，编写自己的流式任务执行框架
消息队列kafka：
消息队列是什么，kafka核心组件，kafka集群部署实战及常用命令，kafka配置文件梳理，kafka JavaApi学习，kafka文件存储机制分析，kafka的分布与订阅，kafka使用zookeeper进行协调管理
Redis工具：
nosql介绍，redis介绍，redis安装，客户端连接，redis的数据功能，redis持久化，redis应用案例
zookeeper详解：
zookeeper简介，zookeeper的集群部署，zookeeper的核心工作机制，zookeeper的命令行操作，zookeeper的客户端API，zookeeper的应用案例，zookeeper的原理补充
第四阶段：大数据项目实战
第五阶段：大数据分析方向AI(人工智能)
详细知识点介绍：
Python编程&&Data Analyze工作环境准备&数据分析基础：
介绍Python以及特点，Python的安装，Python基本操作（注释、逻辑、 字符串使用等），Python数据结构（元组、列表、字典），使用Python进行批量重命名小例子，Python常见内建函数，更多Python函数及使用常见技巧，异常，Python函数的参数讲解，Python模块的导入，网络爬虫案例，数据库连接，以及pip安装模块，Mongodb基础入门，讲解如何连接mongodb，Python的机器学习案例，AI&&机器学习&&深度学习概论，工作环境准备，数据分析中常用的Python技巧，Pandas进阶及技巧，数据的统计分析
数据可视化：
数据可视化的概念，图表的绘制及可视化，动画及交互渲染，数据合并、分组
Python机器学习：
机器学习的基本概念，ML工作流程，Python机器学习库scikit-learn，KNN模型，线性回归模型，逻辑回归模型，支持向量机模型，决策树模型，超参数&&学习参数，模型评价指标，交叉验证，机器学习经典算法，朴素贝叶斯，随机森林，GBDT
图像识别&&神经网络：
图像操作的工作流程，特征工程，图像特征描述，AI网络的描述，深度学习，TensorFlow框架学习，TensorFlow框架卷积神经网络（CNN）
自然语言处理&&社交网络处理：
Python文本数据处理，自然语言处理及NLTK，主题模型，LDA，图论简介，网络的操作及数据可视化
（文章来源：今日头条）
