在中小企业做了一段时间大数据，但是只做大数据全流程中的一小块工作，对整个流程啊、怎么选型都没啥概念，而且公司的数据量级也不够，跳槽到大厂很难。 自学了一阵大数据，只学到了皮毛不说，根本没有数据库去模拟存储计算，简历上也只敢写「了解」某某技术，最后连份工作都找不到。 想转行大数据，苦于入行无门......
上面这几种情况，一看就是没经历过真实项目，也没有受过系统训练导致的，我们做大数据的薪酬是高，但门槛也是高，因为不管你是什么级别，所需要的技术栈你都应该用过，否则，别说大厂了，进中小企业都难。
那么，大数据究竟怎么学？今天，跟大家聊一聊我的学习路径和方法。
第 1 阶段，掌握Java Web数据可视化。你需要掌握Java服务器端技术，前端可视化技术，数据库技术，这个阶段主要是储备大数据的前置技能，当然你已经可以从事数据可视化工程师的工作了，但还不能算真正入门大数据。
第 2 阶段，学会 Hadoop 核心及生态圈技术栈。这部分涵盖的技术比较多，像 HDFS 分布式存储、MapReduce、Zookeeper、Kafka等你都得掌握，掌握后可以去从事 ETL 工程师等一些大数据的岗位，但是知识储备还不够完整。
第 3 阶段，搞定计算引擎及分析算法。计算引擎我建议是 Spark 和 Flink 都能熟练使用，虽然现在一些企业还在用 Spark，但未来 Flink 一定会成为主流。学到这，你已经具备相对完整的大数据技能，能从事一些高薪的岗位了，像大数据研发工程师、推荐系统工程师、用户画像工程师等。
