基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。
hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。 大数据存储阶段：hbase、hive、sqoop。
大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。 大数据实时计算阶段：Mahout、Spark、storm。 大数据数据采集阶段：Python、Scala。
大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。
第一， 大数据工程师，众所周知，在没有大数据以前，行业应用已经非常成熟了，最早大家只关注功能的实现，接着重视前台的界面，前端工程师因此火了一段时间，因为以前数据量不大，所以在功能上并不重视，由于移动互联网的发展，数据量非常庞大了，这个时候单机服务器不能解决问题，那么分布式集群就出现了，大数据工程师的职责就是搭建大数据平台，所以从上图可以得知，大数据工程师，需要有java基础（行业应用大部分是java语言编写的），所以，今后想从事该岗位的，那么学习的路线图如下:
java基础----linux----hadoop-----hive、hbase----scala---spark
第二， 算法工程师，该岗位零基础的小伙伴就请止步吧，更适用于数学专业的研究生及以上学历，对数据基础要求比较高。
第三， 数据挖掘工程师，建议从python入手，毕竟python里面有大量的数据科学的包，也有pyspark，直接从spark里面调数据，不用学习Scala语言（spark的编程语言是Scala），学习的路线如下：
python基础—python web（强化编程基础）--数学基础补充（线性代数、概率统计、离散数学）--python numpy pandas包---机器学习算法---深度学习 第四， 数据分析师，该岗位对数学基础要求不高，但对综合素质要求非常高，能充分的理解行业行情、公司运营、产品运作、对市场敏锐度较高。具备一定的编程基础，建议学习python，能熟练使用相关的工具，如excel，sas、spss等，能写漂亮的文章做PPT就行，数学基础不好的女生可以建议走该方向。 学习路线：python基础—python numpy pandas包---excel—spss---sas 第五， 大数据可视化，该岗位需要前端的相关基础，大数据运维工程师，也不多做介绍了。
根据以上的岗位介绍，对自己做一个整体的规划
个人是建议从大数据工程师入手，从java基础开始学，毕竟编程基础是每个岗位都需要的，而且java的适用面是最广的，虽然现在python的势头很足，但相对java来说，python比较简单，只要java能熟练使用了，要学会python，两周的时间就没问题，从长远的职业规划来说，学习没有速成的方法，脚踏实地才是最重要的。
大数据专业主要课程有哪些
