大数据是最近几年兴起的行业，拥有十分广阔的发展前景，就业机会多、岗位薪资高。因此，面对如此大的就业吸引力，很多人想要通过学习大数据进入到行业中去，但大部分人都对大数据知识知之甚少，甚至不知道大数据要学什么。
Java可以说是大数据最基础的编程语言，一是因为大数据的本质无非是海量的数据查询、存储和计算，Java开发很容易接触到大数据存储的应用场景，二是因为Java本身的语言特点，因为大数据的组件很多都是用Java开发的，比如HDFS,Yarn,Hbase,MR,Zookeeper等。
2、python和shell
Shell在大数据当中是非常常用的，是必备的通用技能，而python更多的是在数据挖掘领域以及写一些复杂的且shell难以实现的日常脚本。
3、Scala
scala和java很相似，都是在jvm运行的语言，在开发过程中是可以无缝互相调用的。Scala在大数据领域的影响力大部分都是来自社区中的Spark和kafka，它们的强势发展直接带动了Scala在这个领域的流行。
4、分布式计算
什么是分布式计算？分布式计算就是如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多服务器进行处理，最后把这些计算结果综合起来得到最终的结果。分布式计算目前流行的工具有：离线工具Spark，MapReduce等 实时工具Spark Streaming，Storm，Flink等。
5、分布式存储
分布式存储系统是将数据分散存储在多台独立的设备上，采用的是可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。主流的分布式数据库有很多hbase，mongoDB，GreenPlum，redis等等等等，没有孰好孰坏之分，只有合不合适，每个数据库的应用场景都不同，其实直接比较是没有意义的。
1. 编程语言：熟悉Java、Scala、Python等编程语言，Java是大数据开发中最常用的语言。
2. 数据库技术：了解关系型数据库如MySQL、Oracle等，以及非关系型数据库如MongoDB、HBase等。
3. 分布式计算框架：掌握Hadoop、Spark等分布式计算框架，了解其原理及应用。
4. 数据仓库技术：熟悉数据仓库的概念，掌握Hive、Impala等数据仓库工具。
5. 数据挖掘和机器学习：了解数据挖掘和机器学习的基本算法，掌握相关工具如Mahout、TensorFlow等。
6. 分布式存储技术：了解分布式文件系统如HDFS，以及对象存储如阿里云OSS等。
7. 实时计算技术：掌握实时计算框架如Storm、Flink等，了解其原理及应用。
8. 数据可视化：熟悉数据可视化工具如Tableau、ECharts等，能够将数据以图表的形式直观展示。
9. 云计算平台：了解云计算平台如阿里云、腾讯云等，掌握其大数据处理相关服务。
10. 网络通信：了解网络通信协议如HTTP、TCP/IP等，以及相关网络编程技术。
11. 版本控制：熟悉Git等版本控制工具，能够进行代码的版本管理。
12. 软件工程：了解软件工程的基本概念，掌握软件开发的流程及方法。
