在技术圈，存在互相鄙视的现象，比如搞C语言的鄙视C++，搞JAVA的鄙视C#。为什么会互相鄙视呢？ 其实就是羡慕嫉妒别人呗，比如某程序员工资比自己更高，就会无形之中产生鄙视的心态。
要说工资高，「刚毕业年薪40w」「5年就年薪百万」，这样的故事想必你肯定听说过。薪资高、机会多、缺口大，让大数据在开发圈里成了香饽饽。
但，与此同时，在我做公众号的这两年，目睹了太多人「从入门到放弃」，甚至有些人连大数据的门都没进来。如果你也在考虑换一份高薪的工作，不妨看看你是哪一种？
想转行大数据，苦于入行无门......
自学了一阵大数据，只学到了皮毛不说，根本没有数据库去模拟存储计算，简历上也只敢写「了解」某某技术，最后连份工作都找不到。
在中小企业做了一段时间大数据，但是只做大数据全流程中的一小块工作，对整个流程啊、怎么选型都没啥概念，而且公司的数据量级也不够，跳槽到大厂很难。
上面这几种情况，一看就是没经历过真实项目，也没有受过系统训练导致的，我们做大数据的薪酬是高，但门槛也是高，因为不管你是什么级别，所需要的技术栈你都应该用过，否则，别说大厂了，进中小企业都难。
那么，大数据究竟怎么学？今天，跟大家聊一聊我的学习路径和方法。
第 1 阶段，掌握Java Web数据可视化。你需要掌握Java服务器端技术，前端可视化技术，数据库技术，这个阶段主要是储备大数据的前置技能，当然你已经可以从事数据可视化工程师的工作了，但还不能算真正入门大数据。
第 2 阶段，学会 Hadoop 核心及生态圈技术栈。这部分涵盖的技术比较多，像 HDFS 分布式存储、MapReduce、Zookeeper、Kafka等你都得掌握，掌握后可以去从事 ETL 工程师等一些大数据的岗位，但是知识储备还不够完整。
第 3 阶段，搞定计算引擎及分析算法。计算引擎我建议是 Spark 和 Flink 都能熟练使用，虽然现在一些企业还在用 Spark，但未来 Flink 一定会成为主流。学到这，你已经具备相对完整的大数据技能，能从事一些高薪的岗位了，像大数据研发工程师、推荐系统工程师、用户画像工程师等。
想靠自学掌握这些，纯属是白费工夫。那报个班学吧，市面上的课程水平参差不齐，内容就是蜻蜓点水，项目也基本上是 demo 型的案例，掏了钱学习还没啥效果。
