1.大數(shù)據工程師工作中會做什么？集群運維：安裝、測試、運維各種大數(shù)據組件數(shù)據開發(fā)：細分一點的話會有ETL工程師、數(shù)據倉庫工程師等數(shù)據系統(tǒng)開發(fā)：偏重Web系統(tǒng)開發(fā)，比如報表系統(tǒng)、推薦系統(tǒng)等這里面有很多內容其實是十分重合的，下面大致聊一下每一塊內容大致需要學什么，以及側重點。2.集群運維數(shù)據工程師，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)據工程師了解各種大數(shù)據的組件。由于要自己的安裝各種開源的組件，就要求數(shù)據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基本上要學的很深，Scala就看情況了。3. ETLETL在大數(shù)據領域主要體現(xiàn)在各種數(shù)據流的處理。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)我們大部分的價值最后都會由系統(tǒng)來體現(xiàn)，比如報表系統(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，當然Python也是挺方便的。需要注意的是，一般數(shù)據開發(fā)跑不掉的就是各種提數(shù)據的需求，很多是臨時和定制的需求，這種情況下， Sql就跑不掉了，老老實實學一下Sql很必要。如何入門？前面提到了一些數(shù)據工程師會用到的技能樹，下面給一個入門的建議，完全個人意見。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)據和數(shù)據挖掘的區(qū)別就說自己要轉行，其實是很不負責的。不要總是趕熱點，反正我就是經常被鄙視做什么大數(shù)據開發(fā)太Low，做數(shù)據就要做數(shù)據挖掘，不然永遠都是水貨。2.選擇學習途徑如果真是清楚自己明確地想轉數(shù)據開發(fā)了，要考慮一下自己的時間和精力，能拿出來多少時間，而且在學習的時候最好有人能多指點下，不然太容易走彎路了。在選擇具體的學習途徑時，要慎重一點，有幾個選擇：自學報班找人指點別的不說了，報班是可以考慮的，不要全指望報個輔導班就能帶你上天，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。不一定是技術好，主要是可溝通性強。3.學習路線學習路線，下面是一個大致的建議：第一階段先具備一定的Linux和Java的基礎，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能寫點小程序。這些事為搭建Hadoop環(huán)境做準備。學習Hadoop，學會搭建單機版的Hadoop，然后是分布式的Hadoop，寫一些MR的程序。接著學學Hadoop生態(tài)系統(tǒng)的其它大數(shù)據組件，比如Spark、Hive、Hbase，嘗試去搭建然后跑一些官網的Demo。Linux、Java、各種組件都有一些基礎后，要有一些項目方面的實踐，這時候找一些成功案例，比如搜搜各種視頻教程中如何搞一個推薦系統(tǒng)，把自己學到的用起來。第二階段到這里是一個基本的階段了，大致對數(shù)據開發(fā)有一些了解了。接著要有一些有意思內容可以選學。數(shù)據倉庫體系：如何搞數(shù)據分層，數(shù)據倉庫體系該如何建設，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)的實現(xiàn)思路：比如調度系統(tǒng)、元數(shù)據系統(tǒng)、推薦系統(tǒng)這些系統(tǒng)如何實現(xiàn)。第三階段下面要有一些細分的領域需要深入進行，看工作和興趣來選擇一些來深入進行分布式理論：比如Gossip、DHT、Paxo這些構成了各種分布式系統(tǒng)的底層協(xié)議和算法，還是要學一下的。數(shù)據挖掘算法：算法是要學的，但是不一定純理論，在分布式環(huán)境中實現(xiàn)算法，本身就是一個大的挑戰(zhàn)。各種系統(tǒng)的源碼學習：比如Hadoop、Spark、Kafka的源碼，想深入搞大數(shù)據，源碼跑不掉。