学习大数据，该从何学起呢？

大数据该从何学起，又要学习哪些内容。

大数据涉及到的组件技术非常的多，需要我们逐一学习。各个组件之间相互配合，熟练运用，还是需要下苦功夫的。

那么对于各个组件之间，在处理大数据项目流程中，是该怎么分配的呢，是如何整合完成整个项目的呢？可以看下下面的图帮咱咱们解答疑惑。

大数据目前发展更新迭代比较快，从Hadoop，spark,storm到最新的flink，太多的东西需要去学习，需要追随IT技术的发展，可能会让我们产生一种挫败感，刚刚学会Hadoop，又有新的技术产生，还需要去学习。其实不断地学习肯定是需要的！但是工作中我觉得无需纠结谁会替代谁，要有大局观和生态意识，一切一应用场景出发，以公司项目出发。只要能够完成，就是好的，无可替代的。

想要在大数据这个领域汲取养分，让自己壮大成长。分享方向，行动以前先分享下一个大数据交流分享资源群870097548，欢迎想学习，想转行的，进阶中你加入学习。

大数据背景

1）何为大数据？与传统数据的区别？

何为大数据(BIG DATA)，是可以被记录、采集和开发利用的海量、实时、多样化的数据集、数据流和数据体。大数据的特点(4V)

容量大: 数据量大，包括采集、存储和计算的量都非常大。大数据的起始计量单位至少是P（1000个T）、 E（100万个T）或Z（10亿个T）

多样性 种类和来源多样化。包括结构化、半结构化和非结构化数据，具体表现为网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求

速度快 数据增长速度快，处理速度也快，时效性要求高。比如个性化推荐算法尽可能要求实时完成推荐。这是大数据区别于传统数据挖掘的显著特征

价值密度低 随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题

2）大数据技术的软件栈现状

进展1：分布式计算已逐渐成为主流计算方式

进展2：交互式分析技术和工程化套件日益成熟

进展3：数据分析算法逐渐丰富，工具普及化

进展4：大数据正驱动AI引领新一代机器智能革命

大数据面临挑战

1）大数据时代企业面临的挑战：深度分析、机器学习和人工智能

2）企业建设大数据体系面临诸多挑战

数据管理

计算优化

分析演进