1.大數(shù)據(jù)工程師工作中會做什么？集群運(yùn)維：安裝、測試、運(yùn)維各種大數(shù)據(jù)組件數(shù)據(jù)開發(fā)：細(xì)分一點(diǎn)的話會有ETL工程師、數(shù)據(jù)倉庫工程師等數(shù)據(jù)系統(tǒng)開發(fā)：偏重Web系統(tǒng)開發(fā)，比如報(bào)表系統(tǒng)、推薦系統(tǒng)等這里面有很多內(nèi)容其實(shí)是十分重合的，下面大致聊一下每一塊內(nèi)容大致需要學(xué)什么，以及側(cè)重點(diǎn)。2.集群運(yùn)維數(shù)據(jù)工程師，基本上是離不開集群搭建，比如hadoop、Spark、Kafka，不要指望有專門的運(yùn)維幫你搞定，新組件的引入一般都要自己來動手的。因此這就要求數(shù)據(jù)工程師了解各種大數(shù)據(jù)的組件。由于要自己的安裝各種開源的組件，就要求數(shù)據(jù)工程師要具備的能力： Linux 。要對Linux比較熟悉，能各種自己折騰著玩。由于現(xiàn)在的大數(shù)據(jù)生態(tài)系統(tǒng)基本上是 JVM系的，因此在語言上，就不要猶豫了，JVM系的Java和Scala基本上跑不掉，Java基本上要學(xué)的很深，Scala就看情況了。3. ETLETL在大數(shù)據(jù)領(lǐng)域主要體現(xiàn)在各種數(shù)據(jù)流的處理。這一塊一方面體現(xiàn)在對一些組件的了解上，比如Sqoop、Flume、Kafka、Spark、MapReduce;另一方面就是編程語言的需要，Java、Shell和Sql是基本功。4.系統(tǒng)開發(fā)我們大部分的價(jià)值最后都會由系統(tǒng)來體現(xiàn)，比如報(bào)表系統(tǒng)和推薦系統(tǒng)。因此就要求有一定的系統(tǒng)開發(fā)能力，最常用的就是 Java Web這一套了，當(dāng)然Python也是挺方便的。需要注意的是，一般數(shù)據(jù)開發(fā)跑不掉的就是各種提數(shù)據(jù)的需求，很多是臨時(shí)和定制的需求，這種情況下， Sql就跑不掉了，老老實(shí)實(shí)學(xué)一下Sql很必要。如何入門？前面提到了一些數(shù)據(jù)工程師會用到的技能樹，下面給一個(gè)入門的建議，完全個(gè)人意見。1.了解行業(yè)情況剛開始一定要了解清楚自己和行業(yè)的情況，很多人根本就分不清招聘信息中的大數(shù)據(jù)和數(shù)據(jù)挖掘的區(qū)別就說自己要轉(zhuǎn)行，其實(shí)是很不負(fù)責(zé)的。不要總是趕熱點(diǎn)，反正我就是經(jīng)常被鄙視做什么大數(shù)據(jù)開發(fā)太Low，做數(shù)據(jù)就要做數(shù)據(jù)挖掘，不然永遠(yuǎn)都是水貨。2.選擇學(xué)習(xí)途徑如果真是清楚自己明確地想轉(zhuǎn)數(shù)據(jù)開發(fā)了，要考慮一下自己的時(shí)間和精力，能拿出來多少時(shí)間，而且在學(xué)習(xí)的時(shí)候最好有人能多指點(diǎn)下，不然太容易走彎路了。在選擇具體的學(xué)習(xí)途徑時(shí)，要慎重一點(diǎn)，有幾個(gè)選擇：自學(xué)報(bào)班找人指點(diǎn)別的不說了，報(bào)班是可以考慮的，不要全指望報(bào)個(gè)輔導(dǎo)班就能帶你上天，但是可以靠他幫你梳理思路。如果有專業(yè)從事這一行的人多幫幫的話，是最好的。不一定是技術(shù)好，主要是可溝通性強(qiáng)。3.學(xué)習(xí)路線學(xué)習(xí)路線，下面是一個(gè)大致的建議：第一階段先具備一定的Linux和Java的基礎(chǔ)，不一定要特別深，先能玩起來，Linux的話能自己執(zhí)行各種操作，Java能寫點(diǎn)小程序。這些事為搭建Hadoop環(huán)境做準(zhǔn)備。學(xué)習(xí)Hadoop，學(xué)會搭建單機(jī)版的Hadoop，然后是分布式的Hadoop，寫一些MR的程序。接著學(xué)學(xué)Hadoop生態(tài)系統(tǒng)的其它大數(shù)據(jù)組件，比如Spark、Hive、Hbase，嘗試去搭建然后跑一些官網(wǎng)的Demo。Linux、Java、各種組件都有一些基礎(chǔ)后，要有一些項(xiàng)目方面的實(shí)踐，這時(shí)候找一些成功案例，比如搜搜各種視頻教程中如何搞一個(gè)推薦系統(tǒng)，把自己學(xué)到的用起來。第二階段到這里是一個(gè)基本的階段了，大致對數(shù)據(jù)開發(fā)有一些了解了。接著要有一些有意思內(nèi)容可以選學(xué)。數(shù)據(jù)倉庫體系：如何搞數(shù)據(jù)分層，數(shù)據(jù)倉庫體系該如何建設(shè)，可以有一些大致的了解。用戶畫像和特征工程：這一部分越早了解越好。一些系統(tǒng)的實(shí)現(xiàn)思路：比如調(diào)度系統(tǒng)、元數(shù)據(jù)系統(tǒng)、推薦系統(tǒng)這些系統(tǒng)如何實(shí)現(xiàn)。第三階段下面要有一些細(xì)分的領(lǐng)域需要深入進(jìn)行，看工作和興趣來選擇一些來深入進(jìn)行分布式理論：比如Gossip、DHT、Paxo這些構(gòu)成了各種分布式系統(tǒng)的底層協(xié)議和算法，還是要學(xué)一下的。數(shù)據(jù)挖掘算法：算法是要學(xué)的，但是不一定純理論，在分布式環(huán)境中實(shí)現(xiàn)算法，本身就是一個(gè)大的挑戰(zhàn)。各種系統(tǒng)的源碼學(xué)習(xí)：比如Hadoop、Spark、Kafka的源碼，想深入搞大數(shù)據(jù)，源碼跑不掉。