事实上大数据技术体系庞大，包括的知识较多，从最基础的编程基础到数据处理分析及各种工具的运用，整个学习的内容还是很多的，从易到难可以分为4个阶段：
Java是大数据学习需要的编程语言基础，因为大数据的开发基于常用的高级语言。而且不论是学习hadoop，还是数据挖掘，都需要有编程语言作为基础。因此，如果想学习大数据开发，掌握Java基础是必不可少的。
经典图书推荐：Java高效编程（EffectiveJava）
如果把大数据比作容器，那么这个容器的容量无限大，什么都能往里装，大数据离不开物联网，移动互联网，大数据还和人工智能、云计算和机器学习有着千丝万缕的关系，大数据海量数据存储要高扩展就离不开云计算，大数据计算分析采用传统的机器学习、数据挖掘技术会比较慢，需要做并行计算和分布式计算扩展。
Hadoop生态系统；HDFS技术；HBASE技术；Sqoop使用流程；数据仓库工具HIVE；大数据离线分析Spark、Python语言；数据实时分析Storm；消息订阅分发系统Kafka等。
经典图书推荐：
《Hadoop权威指南》《Hive编程指南》《Spark快速大数据分析》《Spark机器学习：核心技术与实践》
大数据学习除了各种工具和语言要掌握，还要有良好的数学功底。数学知识是数据分析师的基础知识。对于数据分析师，了解一些描述统计相关的内容，需要有一定公式计算能力，了解常用统计模型算法。而对于数据挖掘工程师来说，各类算法也需要熟练使用，对数学的要求是最高的。
经典图书推荐：
《概率论与数理统计》、《统计学》推荐DavidFreedman版、《业务建模与数据挖掘》、《数据挖掘导论》、《SAS编程与数据挖掘商业案例》、《Clementine数据挖掘方法及应用》、《IBMSPSSStatistics19StatisticalProceduresCompanion》等。
大数据学习最终的目的是应用，大数据技术可以应用在各个领域，比如公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等等，应用范围非常广泛，大数据分析技术离不开人工智能。
经典图书推荐：
《机器学习》《模式分类》《统计学习方法》《数据挖掘实用机器学习技术》《人工智能及其应用》、《概率图模型》
当然，“纸上得来终觉浅，绝知此事要躬行”，大数据学习重要的是练习、练习、再练习，将学到的知识与实际应用场景相结合。事实上，对于零基础的朋友来说，光是看这些书籍是远远不够的，个人建议还是找一家培训机构，边学边看边练，然后找一些好的大数据分析公司参加一些实习，跟大牛学习，从项目中锻炼。
