零基礎自學大數據要學哪些內容?

1. EXCEL、PPT(必須精通)

專注于為中小企業提供網站設計、成都網站制作服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業平果免費做網站提供優質的服務。我們立足成都，凝聚了一批互聯網行業人才，有力地推動了成百上千家企業的穩健成長，幫助中小企業通過網站建設實現規模擴充和轉變。

數據工作者的基本姿態，話說本人技術并不是很好，但是起碼會操作;要會大膽秀自己，和業務部門交流需求，展示分析結果。技術上回VBA和數據透視就到頂了。

2. 數據庫類(必須學)

初級只要會RDBMS就行了，看公司用哪個，用哪個學哪個。沒進公司就學MySQL吧。

NoSQL可以在之后和統計學啥的一起學。基本的NoSQL血MongoDB和Redis(緩存，嚴格意義上不算數據庫)，然后(選學)可以了解各類NoSQL，基于圖的數據庫Neo4j，基于Column的數據庫BigTable，基于key-value的數據庫redis/cassendra，基于collection的數據庫MongoDB。

3. 統計學(必須學)

如果要學統計學，重要概念是會描述性統計、假設檢驗、貝葉斯、極大似然法、回歸(特別是廣義線性回歸)、主成分分析。這些個用的比較多。也有學時間序列、bootstrap、非參之類的，這個看自己的意愿。

其他數學知識：線性代數常用(是很多后面的基礎)，微積分不常用，動力系統、傅里葉分析看自己想進的行業了。

4. 機器學習(數據分析師要求會選、用、調)

常用的是幾個線性分類器、聚類、回歸、隨機森林、貝葉斯;不常用的也稍微了解一下;深度學習視情況學習。

5. 大數據(選學，有公司要求的話會用即可，不要求會搭環境)

hadoop基礎，包括hdfs、map-reduce、hive之類;后面接觸spark和storm再說了。

6. 工具類

語言：非大數據類R、Python最多;大數據可能還會用到scala和java。

其他框架、類庫(選學)：爬蟲(requests、beautifulsoup、scrapy)，日志分析(常見elk)。

學習nosql數據庫需要什么基礎

很高興為您解答！

你需要sql基礎，就像是高手都是無招，但是在這之前學了很多招

希望對您有用！

怎樣學習大數據？

首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前后。

Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當于有學習大數據基礎。

Linux：因為大數據相關軟件都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟件的運行環境和網絡環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以后新出的大數據技術學習起來更快。

Hadoop：這是現在流行的大數據處理平臺幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數據的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對于我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql數據庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的權限，修改root的密碼，創建數據庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用于把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。

Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警并能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

Hbase：這是Hadoop生態體系中的NOSQL數據庫，他的數據是按照key和value的形式存儲的并且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用于大數據處理完成之后的存儲目的地。

Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎么處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，并寫到各種數據接受方(比如Kafka)的。

Spark：它是用來彌補基于MapReduce處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。

怎么學習nosql

首先，根據你的需要選定一種NoSQL數據庫。因為NoSQL數據庫類型比較多，而且不像SQL那樣有統一的國際標準。

找到選定的NoSQL數據庫的官方網站，下載軟件和文檔

搭建NoSQL數據庫環境

在搭建的環境上完成Demo（一般都有樣例）

按照指定的二次開發接口進行應用開發。

如何學習及選擇大數據非關系型數據庫NoSQL

是的，NoSQL（非關系型數據庫）簡單來說，關系模型指的就是二維表格模型，而一個關系型數據庫就是由二維表及其之間的聯系組成的一個數據組織。 NoSQL最普遍的解釋是“非關系型的”，強調Key-Value Stores和文檔數據庫的優點，而不是單純的反對RDBMS。

非關系型數據庫特點

1.可以處理超大量的數據。

2.運行在便宜的PC服務器集群上。PC集群擴充起來非常方便并且成本很低，避免了“sharding”操作的復雜性和成本。

3.擊碎了性能瓶頸。NoSQL的支持者稱，通過NoSQL架構可以省去將Web或Java應用和數據轉換成SQL友好格式的時間，執行速度變得更快。

4.沒有過多的操作。

5.支持者來源于社區。因為NoSQL項目都是開源的，因此它們缺乏供應商提供的正式支持。這一點它們與大多數開源項目一樣，不得不從社區中尋求支持。