有很多人对大数据东西感兴趣，但是对编程语言也不太了解不过大数据学习并不是高深莫测的，虽然它并没有多简单，但是通过努力，零基础的朋友也是完全可以掌握大数据的。

我个人总结了一下 零基础学习大数据的话大概分为以下几步：

1. 了解大数据理论

要学习大数据你至少应该知道什么是大数据，大数据一般运用在什么领域。对大数据有一个大概的了解，你才能清楚自己对大数据究竟是否有兴趣，如果对大数据一无所知就开始学习，有可能学着学着发现自己其实不喜欢，这样浪费了时间精力，可能还浪费了金钱。所以如果想要学习大数据，需要先对大数据有一个大概的了解。

2. 计算机编程语言的学习

对于零基础的朋友，一开始入门可能不会太简单。因为需要掌握一门计算机的编程语言，大家都知道计算机编程语言有很多，比如：R，C++，JAVA等等。目前大多数机构都是教JAVA，同时我自己也是通过java学起来的，我们都知道Java是目前使用最为广泛的网络编程语言之一。他容易学而且很好用，如果你学习过C++语言，你会觉得C++和Java很像，因为Java中许多基本语句的语法和C++一样，像常用的循环语句，控制语句等和C++几乎一样，其实Java和C++是两种完全不同的语言，Java只需理解一些基本的概念，就可以用它编写出适合于各种情况的应用程序。Java略去了运算符重载、多重继承等模糊的概念，C++中许多容易混淆的概念，有的被Java弃之不用了，或者以一种更清楚更容易理解的方式实现，因此Java语言相对是简单的。

那在学习Java的时候，我们一般需要学习这些课程： HTML&CSS&JS，java的基础，JDBC与数据库，JSP java web技术， jQuery与AJAX技术，SpringMVC、Mybatis、Hibernate等等。这些课程都能帮助我们更好了解Java，学会运用Java。

3. 大数据相关课程的学习

学完了编程语言之后，一般就可以进行大数据部分的课程学习了。一般来说，学习大数据部分的时间比学习Java的时间要短。大数据部分课程，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，Linux，Hadoop，Scala, HBase, Hive, Spark等等专业课程。如果要完整的学习大数据的话，这些课程都是必不可少的。

4. 实战阶段

不用多说，学习完任何一门技术，最后的实战训练是最重要的，进行一些实际项目的操作练手，可以帮助我们更好的理解所学的内容，同时对于相关知识也能加强记忆，在今后的运用中，也可以更快的上手，对于相关知识该怎么用也有了经验。目前要找到可以让自己操作的实际项目可能不太多，但是有一些资源比较好的培训机构，是拥有大量实际的大数据项目的，选择这种机构的另一个好处就是，我们可以学到任课老师的一些经验。在实际练手的过程中，老师会教给你一些相应的技巧，或者是根据他们的经验，教你一些捷径。

一般来说，零基础学习大数据大概就是分为这4个阶段，学习大数据不是件容易的事，但是只要你能多努力，积极地解决自己的疑惑，多练手，相信你一定可以掌握这门技术。

首先要掌握的就是Java语言和Linux操作系统，这两个是大数据的基础。学习顺序的话不分前后的。

（1）Java：Java也有很多方向。JavaSE，JavaEE还有JavaME，大数据的话只需要学习Java标准版的JavaSE就可以了，像Servlet、JSP、Tomcat、Struts等在JavaEE方向，在大数据里面不常用到。但是需要了解，想要成为成为人才的话可以要学习Hibernate或者Mybites的原理，不要只学习API。

（2）Linux：因为大数据相关软件都是在Linux上面运行的所以，Linux要学习很扎实。它能让你更好的理解hadoop,hive,hbase,spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样更容易理解配置大数据集群。

大数据学习

• 第一阶段 Java语言编程基础：计算机基础、编程基础、面向对象、常用类、集合操作、IO操作。
• 第二阶段 Javaweb核心技术：Java基础增强、数据库操作、前端技术基础、Javaweb核心、Linux服务器、Javaweb综合项目实战。
• 第三阶段 网站开发三大框架：项目构建及管理、数据库操作框架、spring框架、Springmvc框架、CRM项目实战。
• 第四阶段 互联网搜索及爬虫：单机爬虫开发、爬虫高级开发、分布式爬虫、搜索系统技术、搜索系统框架、分布式搜索系统。
• 第五阶段 分布式电商系统：电商基础背景和项目需求分析、dubbo、angularJS、电商核心业务实现；Nginx、Hudson、solrCloud、keepalived、负载均衡、反向代理、高并发；redis Cluster、freemarker页面静态化、高并发；mycat数据库、高并发；docker容器部署、热部署、高并发。
• 第六阶段 大数据离线计算：基础增强、大数据平台、数据收集、数据存储、数据计算、数据管理、案例分析、数据分析、核心增强、核心提高。
• 第七阶段 大数据实时计算：实时数据存储、实时数据计算、实时计算案例、实时数据存储、实时数据查询、推荐系统开发。
• 第八阶段 大数据内存计算：Scala语言基础、spark基础、sparkRDD、spark SQL、spark streaming、项目实战阶段。
• 第九阶段 机器学习基础：机器学习基础概念、机器学习决策树模型、机器学习KNN模型、机器学习SVM支持向量机、机器学习感知机与BP神经网络。

Hadoop：这是现在流行的大数据处理平台。包括HDFS、MapReduce和YARN，HDFS是储存数据的地方想我们的电脑硬盘一样，都存储在这个上面。MapReduce是对数据进行处理计算的，它的特点是不管多大的数据只要有时间就能跑完。YARN是体现Hadoop平台概念的重要组件。

大数据中重要的要掌握的几点：

Zookeeper：安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。需要把它安装正确 ，让它正常的跑起来。

Mysql：在Linux上把它安装好，运行起来，会配置简单的权限，修改root密码，创建数据库。

Sqoop：这个是用于把Mysal里面的数据导入Hadoop里面。

Hive：和Pig同理，想要变得厉害可以都学习。

Oozie：可以帮你管理你的Hive或者MapReduce、Spark脚本还能检查你的程序执行的是否正确。

Hbase：这个是Hadoop生态体系中的NOSQL数据库，是按照key和value的形式存储的并且key是唯一的。所以可以帮你做数据排重，它与MYSQL相比存储的数据量大。

Kafka：这个是队列工具。可以利用它来做线上实时数据的入库或者是入HDFS，与Flume的工具配合使用，专门用来提供对数据进行简单处理。

Spark：这个工具是用来弥补MapReduce处理数据速度上的缺点，特点就是把数据装载到内存里面去计算。适合做迭代运算，Java语言或者Scala都可以操作它，他们都是用JVM的。

上面的知识点和线路图你能完整的学下来掌握，基本去哪家企业都很抢手~

（你认为零基础学习大数据有哪些方法！）