一、首先你要知道你学习目的是什么？

大数据是一门非常专业的课程，想要深入学习，那么你要学习的东西非常多。所以首先你要清楚，你想学习到什么程度？如果只是拓宽知识面或者提升职业技能，那么学习入门级课程，已经可以让你在工作中使用，比如利用大数据进行数据处理和分析。如果你确定以后要从事大数据行业的工作，那么恐怕你要下一番苦功夫。毕竟如果学一下就会了，那么大数据行业现在恐怕已经被挤破门槛了。

知道了学习目的，那么如何开始学呢？

作为零基础新手小白，要进入一个新的技术领域，首先心理上要有充分的准备，因为学习是需要足够的时间和精力投入的。另外关于学习方法，有的人习惯购买视频或书籍自学，有的人喜欢跟着老师学。如果选择自学，一定要有一个完善的学习规划。可以多利用网络资源，多逛技术论坛，可以多参考前辈的学习路线和方法，结合自己的实际情况，作出量化指标，长期坚持，实现从量变到质变。

但是我个人认为除非自控力特别强的人，还是跟着老师学习比靠谱，毕竟大数据对实际操作要求的比较高。一方面同学间可以互相激励，交流，避免在学习中自制力不够的问题。另一方面，当你遇到问题时老师能及时帮你解决，还能节约时间，避免走弯路。

二，到底大数据学习都需要学习什么？

1)学习一门计算机的编程语言：建议先学习Java或Scala。

2)学习计算处理框架：严格来说，这分为离线批处理和流式处理，建议学习Flink、Spark Streaming或Kafka Streams中的一个。

3)分布式存储框架：建议学习HDFS。

4)资源调度框架：建议学习YARN。

5)分布式协调框架：建议学习Zookeeper——太多大数据框架都需要它了，比如Kafka, Storm, HBase等。

6)KV数据库：典型的就是memcache和Redis了，特别是Redis简直是发展神速，建议学习Redis，如果C语言功底好的，熟读源码，反正源码也不多。

7)列式存储数据库：建议学习HBASE，这是目前应用最广泛的开源列式存储。

8)消息队列：大数据工程处理中消息队列作为“削峰填谷”的主力系统是必不可少的，当前该领域内的解决方案有很多，包括ActiveMQ，Kafka等。建议学习Kafka，不仅仅好找工作，还能触类旁通进一步理解基于备份日志方式的数据处理模型。