大数据新手的0基础学习路线，从菜鸟到高手的成长之路

大数据作为一个新兴的热门行业，吸引了很多人，但是对于大数据新手来说，按照什么路线去学习，才能够学习好大数据，实现从大数据菜鸟到高手的转变。这是很多想要学习大数据的朋友们想要了解的。

今天我们就来和大家分享下大数据新手从0开始学习大数据，实现菜鸟到高手的转变的学习路线。希望能够帮助想要学习大数据的朋友。

以下是大数据新手学习路线的正文：

互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程，大数据学习群：199加上【427】最后加上210就可以找到组织学习  欢迎进阶中和进想深入大数据的小伙伴加入。
 

第一阶段：Linux理论

（1）Linux基础；（2）Linux-shell编程；（3）高并发：lvs负载均衡；（4）高可用&反向代理

第二阶段：Hadoop理论

（1）hadoop-hdfs理论；（2）hadoop-hdfs集群搭建；（3）hadoop-hdfs 2.x & api ；（4）hadoop-MR理论 ；

（5）hadoop-MR开发分析；（6）hadoop-MR源码分析 ；（7）hadoop-MR开发案例

第三阶段：Hive理论

（1）Hive介绍以及安装 ；（2）Hive实战

第四阶段：HBase

（1）HBase介绍以及安装 ；（2）HBase调优

第五阶段： redis理论

（1）redis类型 ； （2） redis高级

第六阶段：Zookeeper理论

（1）Zookeeper介绍 ；（2） Zookeeper使用

第七阶段： Scala语法

（1）Scala语法介绍；（2）scala语法实战

第八阶段： Spark理论

（1）Spark介绍；（2）Spark代码开发流程 ； （3）Spark集群搭建；（4） Spark资源调度原理；

（5）Spark任务调度；（6）Spark案例；（7）Spark中两种最重要shuffle；

（8）Spark高可用集群的搭建；（9）SparkSQL介绍；（10） SparkSQL实战 ；

（11）SparkStreaming介绍；（12）SparkStreaming实战

第九阶段：机器学习介绍

（1） 线性回归详解； （2）逻辑回归分类算法； （3）Kmeans聚类算法； （4）KNN分类算法； （5）决策树 随机森林算法

第十阶段：Elasticsearch理论

（1）Elasticsearch搜索原理； （2） Elasticsearch实战

第十一阶段：Storm理论

（1）Storm介绍以及代码实战；（2）Storm伪分布式搭建以及任务部署； （3）Storm架构详解以及DRCP原理；

（4） 虚拟化理论kvm虚拟化 ； （5） docker

1,_推荐系统理论与实战项目 Part2

2,推荐系统理论与实战 项目Part1

3.实时交易监控系统项目(下)

4,实时交易监控系统项目(上)

5,用户行为分析系统项目1

6,用户行为分析系统项目2

7,大数据批处理之HIVE详解

8,ES公开课 part1

9,spark_streaming_

10,数据仓库搭建详解

11,大数据任务调度

12,流数据集成神器Kafka

13,Spark 公开课

14,海量日志收集利器：Flume

15,Impala简介

16,Hive简介

17,MapReduce简介

18海量数据高速存取数据库 HBase

19,浅谈Hadoop管理器yarn原理

20,,分布式全文搜索引擎ElasticSearch Part2

 

大数据是一个很好的方向，工资高，前景好，但是对于一个常人来说，需要按照正确的学习路线，不断的学习，坚持下去，学习是一件很枯燥的事情，你要做的是坚持学习，最后终会获得应有的收获。