搞大数据，Java工程师需要掌握哪些知识？

题目是一名叫“截然不同”的同学私信我的一个问题，原话是，“搞大数据，java 需要掌握哪些技术点?”，我稍微调整了一下。必须得承认一点，我本人没有搞过大数据，所在这方面的经验为零。

但同学既然问了，咱就不能假装不知道啊，虽然真的是不知道。但要变强，就必须无所畏惧，迎难而上，对吧?

幸好我身边有一些朋友是做大数据的，我可以向他们请教，了解清楚后，我现在就把他们给我的建议整理一下发出来，希望给有需求的同学们一点帮助。

01、大数据的就业方向有哪些?

现实点，我们掌握任何技能都是为了就业，为了能够找份工作糊口;立志不打工的同学们请绕行哈。

那大数据的就业方向都有哪些呢?

大数据工程师 大数据科学家 数据分析师

那针对这些不同的就业方向，都需要哪些技能呢?我们来一一的分析下。

02、大数据工程师的技能要求

大数据工程师的门槛相对其他两个较低一些，所以同学们可以重点关注一下这个方向。

先说一些必备的技能吧。

对 Java 虚拟机有着深入的研究，推荐书籍，周志明的《深入理解 Java 虚拟机》。 对 Java 并发掌握得很透彻，推荐书籍，《Java 并发编程实战》。 掌握 Hadoop。Hadoop 是一款支持数据密集型分布式应用程序并以 Apache 2.0 许可协议发布的开源软件框架，可以使应用程序与成千上万的独立计算的电脑和 PB 级的数据连接起来，整个 Hadoop “平台”还包括 MapReduce、Hadoop 分布式文件系统(HDFS)。 掌握 HBase。HBase 是一个开源的非关系型分布式数据库，是 Hadoop 项目的一部分，运行于 HDFS 文件系统之上，对稀疏文件提供极高的容错率。 掌握 Hive。Hive 是一个建立在 Hadoop 架构之上的数据仓库，能够提供数据的精炼，查询和分析。 掌握 Kafka。Kafka 的目标是为处理实时数据提供一个统一、高吞吐、低延迟的平台。 掌握 Storm。Storm 是一个分布式计算框架，使用用户创建的“管”和“螺栓”来定义信息源和操作，允许批量、分布式处理流式数据。 了解 Scala。Scala 是一门多范式的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性。可以和 Java 兼容，运行在 Java 虚拟机上。 掌握 Spark。Spark 是一个开源集群运算框架，相对于 Hadoop 的 MapReduce 会在运行完工作后将中介数据存放到磁盘中，Spark 使用了存储器内运算技术，能在数据尚未写入硬盘时即在存储器内分析运算。 会用 Linux。推荐书籍，鸟哥的《Linux 私房菜》。

再来说一些高阶的技能吧。

会用 Python。 会用 R 语言。 精通算法和数据结构。

03、大数据科学家的技能要求

“科学家”，这个 title 听起来就很牛逼，不会出乎同学们的意料，我小时候的梦想之一除了成为一名作家之外，就是成为一名“科学家”。

那大数据科学家，要求的技能就会超出绝大多数普通人的能力。首先，要对“统计机器学习方法”有着很深入的研究，既要会预测，还要能解释为什么要这样预测，对吧?

如果要预测股票是涨还是跌，就必须得有一套可以解释给客户听的理论，还要有一套预测方法，让程序能够按照这个方法去执行，并得出预期的结论。

现如今，数据已经不值钱了，哪里都是大量的数据，值钱的是通过对这些数据进行分析，得出指导性的建议——这就要求科学家要有数据处理的能力。

不多说了，这方面的要求非常高，最起码也得考个研究生吧。

04、数据分析师的技能要求

数据分析也可以细分为两个领域，一个类似产品经理，更注重业务，对业务能力要求比较高;一个偏向数据挖掘，更注重技术，对算法和数据结构要求比较高。

那不管是产品经理还是做数据挖掘，SQL 是必知必会的，因为数据分析师每天都要处理海量的数据，而这些数据来自哪呢?就是数据库。那怎么把数据从数据库中取出来呢?SQL 语句(select * from xxx，哈哈)，别无其他。

那还需要什么技能呢?统计学基础，对，没错，数据和时间的关系，数据的动态分布，数据的值、最小值、平均值，这些都需要一定的统计学基础。

当然了，做数据分析比较好的编程语言是 R 语言或者 Python，所以还需要学习一下这两门语言。不过，有了 Java 作为基础，学 Python 就会更容易些，因为 Python 本身的语言更简洁。(R 语言主要用于统计分析、绘图、数据挖掘)

推荐两本书吧，《深入浅出数据分析》和《精益数据分析》。

05、最后

好了，我已经把要学习的技能告诉同学们了，接下来，就靠同学们自己的修行了。看书，或者网上找资料(按照关键字去搜索)，都可以，关键就看你愿不愿意沉下心，去花时间钻研了。

执行力，很重要，对吧?