大数据工程师有多种解释，一种是用大数据的，就是data scientist这种，一种是开发大数据平台的，就是平台开发工程师，比如写hadoop，hive的某个组件的工程师。
2.如果是走应用这个路线，需要的技能包括：sql，java，mapreduce job的编写，一些比较简单的脚本编写，再加上一些数据分析领域的东西，比如统计，机器学习等等。
3.如果是走底层开发这个路线的，需要的技能基本上是比较硬的开发技能，很多都需要了解语言的高级特性，软件开发模式呀，抽象呀，操作系统怎么用，编译啊，测试呀。这种开发学习曲线比较陡峭一点。
大数据本质其实也是数据，不过也包括了些新的特征，
- 数据来源广；
- 数据格式多样化（结构化数据、非结构化数据、Excel文件等）；
- 数据量大（最少也是TB级别的、甚至可以是PB级别）；
- 数据增长速度快。
而针对以上新的特征需求思索很多成果：
例如，数据来源广，该如何采集汇总？采集汇总之后，又该存储呢？数据存储之后，该如何经过运算转化本钱人想要的结果呢？
关于这些成果，我们需求有相对应的知识处置。
二、大数据所需技艺要求
Python言语：编写一些脚本时会用到。
Scala言语：编写Spark顺序的最佳言语，当然也可以选择用Python。
Ozzie，azkaban：定时义务调度的工具。
Hue，Zepplin：图形化义务执行管理，结果反省工具。
Allluxio，Kylin等：经过对存储的数据中止预处置，加快运算速度的工具。
必需掌握的技艺：
Java初级(虚拟机、并发)、Linux 基本操作、Hadoop（HDFS+MapReduce+Yarn ）、 HBase（JavaAPI操作+Phoenix ）、Hive(Hql基本操作和原理理解）、 Kafka、Storm/JStorm、Scala、Python、Spark (Core+sparksql+Spark streaming ） 、辅佐小工具(Sqoop/Flume/Oozie/Hue等)
高阶技艺6条：
机器学习算法以及mahout库加MLlib、 R言语、Lambda 架构、Kappa架构、Kylin、Alluxio
三、学习规划
每天需求有3个小时的学习时间，周末的时分需求10小时，假设做不到的话，只能是
第一阶段（基础阶段）
- Linux学习
Linux操作系统引见与安装、Linux常用命令、Linux常用软件安装、Linux网络、 防火墙、Shell编程等。 - Java 初级学习（《深化理解Java虚拟机》、《Java高并发实战》）
掌握多线程、掌握并发包下的队列、掌握JVM技术、掌握反射和静态代理、了解JMS。 - Zookeeper学习
Zookeeper分布式协调效力引见、Zookeeper集群的安装部署、Zookeeper数据结构、命令。
第二阶段（攻坚阶段）
Hadoop、Hive、HBase、Scala、Spark、Python
第三阶段（辅佐工具工学习阶段）
总结
在技术行业里面，每天都会有新的东西出现，需求关注最新技术静态，不时学习。任何普通技术都是先学习实践，然后在实际中不时完善实践的进程。
- 假设你觉得自己看书效率太慢，你可以网上搜集一些课程。
- 快速学习的才干、处置成果的才干、沟通才干在这个行业是真的非常重要的目的。
- 要擅长运用StackOverFlow和Google来帮助你学习进程遇到的成果。
以上是我们对大数据学习的总结，当然我们也提到了，并不是说零基础的就可以直接学习，需求有编程的基础，要先掌握扎实的编程基础，有一定编程阅历，自学起来也相对比末尾要复杂一点，然后对大数据有兴味或许想要进入这个行业的就可以去学习了 以上内容是我个人见解，希望对你有帮助不
