作为一个较新领域，大数据每年都会有新技术不断涌现。这里结合我个人学习经历，梳理一个大致的学习路线，作为参考以及后续学习的方向。
大数据的学习路线主要分为两大部分：专业基础、大数据组件。
1 专业基础
基础技术大致分为6个方向：Java 方向、Web 方向、数据库方向、Python 方向、Linux 方向、计算机基础方向。
1.1 Java 方向
Java 是大数据领域常用的编程语言之一，大数据组件基本上都是用 Java 或者是它的衍生编程语言（Scala）所编写。
方向所含技能：Java SE、Maven、SpringBoot、Scala
1.2 Web 方向
Web 开发也是大数据领域十分重要的的一部分，常常用于大数据的数据可视化方面。
方向所含技能：HTML、CSS、JavaScript、Vue
1.3 数据库方向
数据库用于进行数据的存储管理，是大数据不可或缺的一部分。
方向所含技能：MySQL、Redis、ClickHouse
1.4 Python 方向
Python 也是大数据领域常用的编程语言之一，常用大数据的处理、获取、机器学习等方面。
方向所含技能：Python、Pandas、Numpy、Matplotlib、Python 爬虫
1.5 Linux 方向
Linux 是一类操作系统，大数据平台和程序基本都是部署在 Linux 上。
方向所含技能：Linux 命令行基本使用、Linux 配置与管理、Shell 编程
1.6 计算机基础方向
计算机基础是大数据学习的基石，同时也有助于进一步学习大数据相关技能。
方向所含技能：数据结构与算法、计算机网络基础、计算机操作系统、计算机编译原理
2 大数据组件
大数据技术架构层出不穷，在实际生产当中所需要的的组件也各不相同。这里罗列一些常用的组件。
2.1 Hadoop
Hadoop 是大数据组件的核心架构，主要解决海量数据的存储与计算问题，包括 HDFS、MapReduce、Yarn 三大组件。
2.2 数据采集（传输）
用于数据采集（传输）的技术主要有：Sqoop、Flume、kafka。
2.3 数据存储
用于数据存储的技术主要有：HDFS、HBase、Redis、ClickHouse。
2.4 数据计算
用于数据计算的技术主要有：MapReduce、Hive、Spark、Flink。
2.5 资源管理
用于资源管理的技术主要有：Yarn、Zookeeper。
2.6 学习顺序
Hadoop（HDFS、MapReduce、Yarn）、Zookeeper、HBase、Hive、（HBase、）Sqoop、Kafka、Flume、Spark、Flink。
3 总结
大数据涉及的技术有很多，不可能个个都熟练掌握。可以根据实际需求和个人偏向，侧重于一个或者是若干个技术，在该技术领域学深、学广。其他的技术，可以只掌握基本的了解和使用。另外，还要有着不断学习的心态，去学习新技术、新思路。
