简介：今天，首席主席团将与您分享自我研究的大数据需要多长时间。如果您可以添加您现在面临的问题，请不要忘记注意此网站。让我们现在开始！
时间：通常需要四个月，一些机构可以学到更长的时间，因为有培训计划，例如：Halo Big Data，Small Energy Big Data等。
困难：1。各种各样的人，发现了一点爪哇
2.如果您是0基础，则必须参加所有时间课，基本上是0基础，只要您仔细学习，就不用担心学习
参与大数据需要多长时间？一般研究时间大约为4-6个月。这主要取决于您是否有Java和Linux基金会。如果有的话，您可以直接输入大数据进行学习。研究时间大约为4个月。
基本，研究时间大约是6个月。
学习内容如下：
Java：每个人都知道Java的指示包括Javase，Javaee和Javame。学习大数据怎么样？
只需学习Java Javase的标准版本，例如Servlet，JSP，Tomcat，Struts，Spring，Hibernate，Mybatis在大数据技术的Javaee方向上使用不多。您只需要理解它。当然，Java如何连接到数据库，您必须知道，就像JDBC必须掌握它一样。一些学生说，冬眠或mybites也可以连接数据库。为什么不学习呢？我并不是说学习这些并不好，但是可以学习这些东西。我会花很多时间来学习这些时间，最后我也不会使用它。我还没有看到谁进行大数据处理。CreceRonly学习API，这可以增加您对Java操作数据库的理解，因为这两种技术的核心是Java的反射和JDBC的各种用途。
Linux：由于与Linux上的大数据相关软件正在运行，因此Linux必须更牢固地学习。Learning Linux将极大地帮助您快速掌握与大数据相关的技术。大数据软件（例如HBase，Spark和网络环境配置）的操作环境和网络环境配置，您可以踩踏很多坑，学习壳以了解外壳脚本，它可以更易于理解和配置大数据集群。您还可以在将来更快地学习新的大数据技术。
在谈论基金会之后，让我们谈谈您需要学习的大数据技术，您可以按照我编写的顺序学习。
Hadoop：这是一个流行的大数据处理平台，几乎成为大数据的代名词，因此这是必须的。Hadoop包括几个组件HDFS，MapReduce和Yarn。HDFS是将硬盘存储在存储数据中的地方。这些文件存储在该文件上。MAPREDUCE是根据数据计算和计算的。它具有一个特征，即无论数据是数据的大小，只要它给出了数据，它都可以运行数据，但是时间可能不会很快，因此被称为数据批处理处理。YARN是反映的重要组件Hadoop平台与其他软件及其大数据生态系统的概念。它可以在Hadoop上运行，因此您可以更好地使用HDFS存储的优势并节省更多资源。例如，我们不再需要更多。单独创建火花群集，让它直接在现有的Hadoop上运行
实际上，您可以理解Hadoop的这些组件的处理，但是您可能对“大数据”有多大的概念没有很多概念，然后听我的话，当您将来工作时，在数十个t/数百个t的大规模数据中会有很多场景。当时，您不会觉得数据是如此的好。您的头痛越大。当然，不要害怕处理如此大的数据，因为这是您的价值，让那些php html5和dba羡慕javaee的php。一个节点供您学习大数据。
动物园管理员：这是金油。它将在安装Hadoop HA时使用，并且将来还将使用它。它通常用于存储一些相互协作信息。此信息相对较小。通常，它不会超过1m。这是一种使用它来依靠它的软件。对于我们个人而言，我们只需要正确安装它即可使其正常运行。
MySQL：我们已经完成了大数据的处理。接下来，用于学习小数据MySQL数据库的处理工具，因为安装Hive时，需要使用它。MySQL需要掌握哪个层？您可以在Linux上安装它，运行它，配置简单的权限，修改根密码并创建数据库。主要是学习SQL语法，因为Hive的语法与此非常相似。
SQOP：这用于将MySQL中的数据导入到Hadoop中。当然，您也可以不使用它而使用它。将MySQL数据表引导到文件中，然后将其放在HDFS上是相同的。当然，请注意生产环境中MySQL的压力。
Hive：这件事是SQL语法的工件。它可以使您简单地处理大数据，并且您不会组成MapReduce程序。有些人说猪？几乎是猪。
Oozie：自从我学会了蜂巢以来，我相信您必须需要此东西，它可以帮助您管理蜂巢或MapReduce，Spark Script，并检查您的程序是否正确执行。最重要的是，最重要的是帮助您提供帮助。您相信您会喜欢它的任务。
HBASE：这是Hadoop生态系统中的NOSQL数据库。他的数据以关键和值的形式存储，而密钥是唯一的数据，因此可以用来制作数据。它可以存储比MySQL的数据。金额要大得多。因此，在处理大数据的过程后，他经常用于存储目的地。
KAFKA：这是一个相对容易的 - 使用队列工具。队列为什么要这样做？您知道是否排队购买门票？还有更多数据，您还需要排队，以免与您合作的其他学生打电话给它。您为什么要给我这么多数据（例如数百个G文件）？这不是一个大数据，您可以告诉他我将数据放在队列中，然后将其一个接一个地将立即优化他的程序，因为处理无法进行。作为kafka）。
Spark：它用于弥补以MapReduce速度处理数据的缺点。它的特征是加载到内存的硬盘而不是慢慢阅读而不是慢慢阅读。它特别适合迭代操作，因此算法流程特别是粥。它是因为他们都是JVM。
Flink：我只是说Kafka可以使数据列表，因此不允许处理一波处理。ESSENCEIN加法，Flink还具有一些小技巧，例如：如果您不需要，该怎么办担心某些数据，如果数据想聚集在一起，该怎么办，如果数据团队类型不顺序该怎么办，如果压力太大，一件事要做，一，一，一，一个，一个，一个，一个，一个，一个，一个，一个，一，一，一，一，一，一，一个，一个，一个，一个，一个，一个，一个，一个，一，一，一个，一个，一个，一个，一个。恢复。此外，序列化，分类，省级内存甚至JVM如何调整各种表演操作的优化将有助于您思考。
您好，大数据学习的一般时间大约是5-6个月。特定时间是根据您自己的学习情况确定的。现在，大数据的前景非常好。建议为您提供大数据学习路线：
大数据相对困难。大约半年学习大数据的时候了。大数据的前景非常好。在第一层城市中，诸如大数据之类的利润更好。教师可以跟上，就业，就业，工资也很大。学习大数据可以按路线图顺序进行。
结论：以上是首席CTO的全部内容，请注意自我研究的大数据需要多长时间。我希望这对每个人都会有所帮助。如果您想了解有关此信息的更多信息，请记住收集并关注此网站。