原创 大数据技术自学能学会吗？大数据应该如何自学？

　　大数据本质也是数据，但是又有了新的特征，包括数据来源广、数据格式多样化(结构化数据、非结构化数据、Excel文件、文本文件等)、数据量大(最少也是TB级别的、甚至可能是PB级别)、数据增长速度快等。那大数据技术自学能学会吗？大数据应该如何自学呢？

　　通过几个问题了解我们应该学习那些技术：

　　数据来源广，该如何采集汇总?，对应出现了Sqoop，Cammel，Datax等工具。

　　数据采集之后，该如何存储?，对应出现了GFS，HDFS，TFS等分布式文件存储系统。

　　数据存储之后，该如何快速运算出自己想要的结果?对应的MapReduce这样的分布式运算框架解决了这个问题;但是写MapReduce需要Java代码量很大，所以出现了Hive，Pig等将SQL转化成MapReduce的解析引擎；普通的MapReduce处理数据只能一批一批地处理，时间延迟太长，为了实现每输入一条数据就能得到结果，于是出现了Storm/JStorm这样的低时延的流式计算框架；但是如果同时需要批处理和流处理，按照如上就得搭两个集群，Hadoop集群(包括HDFS+MapReduce+Yarn)和Storm集群，不易于管理，所以出现了Spark这样的一站式的计算框架，既可以进行批处理，又可以进行流处理(实质上是微批处理)。而后Lambda架构，Kappa架构的出现，又提供了一种业务处理的通用架构。

　　为了提高工作效率我们应该掌握哪些工具：

　　Ozzie，azkaban：定时任务调度的工具。

　　Hue，Zepplin：图形化任务执行管理，结果查看工具。

　　Scala语言：编写Spark程序的最佳语言，当然也可以选择用Python。

　　Python语言：编写一些脚本时会用到。

　　Allluxio，Kylin等：通过对存储的数据进行预处理，加快运算速度的工具。

　　以上就是从技术点和工具使用上为计划自学的同学们提供的学习方案。对于任何技术都是可以通过自学掌握的，如果有一定的技术基础是最好的状态，而如果是零基础的同学，则需要慎重考虑自学这个方式是否真的适合你了。建议零基础的同学通过培训的方式进行学习，这样不至于消耗过多的时间成本。了解更多关于大数据学习方面的知识，可以通过博学谷平台云计算大数据课程。