我们从零开始学习大数据技术，从java基础，到Linux技术涉猎，再深入到大数据技术的Hadoop、Spark、Storm技术，最后到大数据企业平台的搭建,层层递进，由点到面！希望技术大牛能过来指导学习。
2017年，这一年人才市场发生了巨大的变化，经历了O2O、P2P、互联网+、共享经济、大数据、AI和区块链等，互联网行业的各大公司也都走在风口浪尖，不断的寻求突破。传统企业更加不在话下，都在做极力做数字化转型规划。但最终不管市场怎么变化，作为技术人员，我们必须要保持强烈的求知欲，活到老学到老，不断的升级自我，这样才不会被市场淘汰。（虽然感觉很鸡汤，但说的就是事实）
这段时间有很多朋友问我，问题大同小异，大体的意思就是很怀念前几年的市场状态，考了一个CCIE（Cisco Certified Internetwork Expert）之后，很容易就可以获得一份丰厚待遇的工作，但是现在市场变化这么快，作为网络工程师的我们在职场上没有太大的竞争力，危机感萌生，不知道在接下来的职场要如何选择。
其实，一直都跟朋友们分享的，作为网络工程师想必很多都会经历思科认证考试，不管是通过了CCNA、CCNP和CCIE，每个认证考试的通过都不是我们的终点，而是我们的起点。我们获得的不仅仅是一张***，而是获得了一种自我学习和提升的能力。
近两年的云计算（IaaS、PaaS和SaaS)、大数据和人工智能等领域主要以Java技术为主，为了与时俱进，笔者也开始学习Java，也推荐大家可以学习下(笔者虽然获得了ISP CCIE，DC CCIE和Vmware等认证的，但之前对Java也是没有接触过，本次学习分享也是为下一步大数据学习打基础，希望可以跟大家一起交流，一起进步。)
以上言论也是通过朋友分享和自身感受，纯粹交流，不喜勿喷，也希望有大牛过来指导！
好了，煽完情，吹完牛皮，是该来聊聊正经话题了。
要学习一门技术，我们必须要先了解它，那下面先聊聊Java的发展史。
Java 是一门编程语言，拥有跨平台、面向对象、泛型编程等特性。
我是windows 64位的操作系统，所以下载的是windows x64的，你们可以根据你们的系统类型下载对应的即可。
建议：***路径不要有中文或者特殊字符和空格等，所有和开发相关的都统一放在一个目录。
笔者是直接***在E:\Java\JDK下，便于查找。***完成之后，目录如下：
bin：为Java开发用到的工具
db：存放的是数据库文件
接下来，我们需要给Java设置一下环境变量，以确保Javac指令和Java指令在任何目录下运行。
（1）Java程序的最基本单位是类，所以我们要定义一个类，
（2）在类中写内容的时候，用大括号括起来{}。
（3）Java程序要想执行，必须有main方法
（4）方法要指向哪些东西，也用大括号括起来
（5）要做什么呢？今天我们仅仅做了一个简单的输出
注意：""里面的内容是可以改动的
2、Java 程序开发执行流程：
（1）编写Java源程序（.java文件）
（2）Java命令执行.class文件,输出运行结果
七、Java程序执行中常见问题：
文件扩展名被隐藏了，无法正常执行Java程序，所以需要把扩展名显示
建议文件名和类名称一致
Java程序严格区分大小写的
见到 非法字符：\65307错误，都是中英文输入法问题，Java程序编写都是要以英文输入法
括号的配对问题，一般来说，括号都是成对出现的。
遇到“在类Helloworld 中找不到主方法，请将主方法定义为”，这个肯定是主方法的格式问题
好了，今天也是做了一个好的开始
本人能力有限，如有不足，还望指正
感谢大家一如既往的支持
希望一起分享给更多的人
让大家一起学习大数据技术
在“大数据”背景之下，精通“大数据”的专业人才将成为企业重要的业务角色，“大数据”从业人员薪酬持续增长，人才缺口巨大。
在此大背景下，为了满足人才需求，各大高校纷纷新建大数据专业。截止到2018年1月18日，共有242所职业院校获批“大数据技术与应用”专业。本科院校申报“数据科学与大数据技术”专业的有263所院校。
面对一个新的应用型型专业，大数据实验教学系统、大数据实验室搭建、大数据实验平台等建设迫在眉睫……
1.高校大数据教学中缺乏成熟的课程体系
数据专业为一门新兴的专业课程，包括已经获批和正在准备申报工作的所有学校，在大数据专业教学方面可以说是“零经验”，对于专业课教学的积累都处于起步和探索阶段。课程体系，案例等阶段性教学成果输出物不足或不成熟，所授知识均为理论知识，偏离社会需求！
完美校园大数据实验室：新开普在职业教育方面，有着成熟完备的大数据教育体系，包括：教学大纲，教学讲义，实验文档课程章节，教学视频等；主导研发“完美校园大数据实验室”软件平台的团队也同时是职业教育大数据教育教研工作的核心人员。提供一系列课程配套：教学大纲、讲义PPT、教学视频、备课指南、实践案例、实践指南等教学资源。
对于高校而言，拥有专业的大数据师资队伍将成为高教产业发展的重要环节。在这个过程中，新开普凭借多年的大数据实际项目开发、技术咨询、专业师资等优势资源，和各大院校一起共同构建大数据专业人才培养体系，共同为中国培养出优秀的云计算、大数据的专业人才！
3.大数据实验室硬件设施要求高，硬件资源投入高
普通计算机专业学生一台机器即可完成学习练习任务，但是大数据课程的实验至少需要2~3台机器才能满足需要。
同时，大数据课程前后课程关联紧密，要求对前课实验成果进行保留。所以实验机和学生之间存在专属性！这点又以几何倍数的增加了硬件需要！
完美校园大数据实验室：通过部署一体机和虚拟机等云服务器，直接沿用学校已有的设备资源，大大压缩学校对专业课程的硬件资源的投入。
4.实验环境部署费时费力，学生实验成果不能保存
大数据专业在教学活动中，实践环节更为重要，而高校原有机房不能实现实验环境的隔离性和保存性，对教学成果的产出和持续学习不利。
完美校园大数据实验室：平台无需进行软件方面的环境部署和软件***，学生和老师打开并登陆网页，即可使用本人创建的虚拟机进行实验操作，不同的学生都拥有两台到三台自己专属的虚拟机，由此可以实现学生实验环境的隔离、实验成果的保存以及后续课程的学习，满足大数据教学要求。
大数据专业的教学工作和研究工作，最离不开的就是海量的数据资源，而高校在资源获取中存在滞后和受限性。
完美校园大数据实验室：本平台收集了各行各业的真实海量数据，包括：学生生活活动、金融、法律、房地产、电子商务、汽车行业、健康医疗、求职招聘、社交微博等各个方面的数据；公司还积极与第三方公司合作，谋求更多维度行业的数据；数据放入平台后，会持续不断的更新，对数据、课程体系更新等提供强有力的后盾。
新手学习大数据需要具备基础一数学知识
数学知识是数据分析师的基础知识。
对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
新手学习大数据需要具备基础二分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。
对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。
新手学习大数据需要具备基础三编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
新手学习大数据需要具备基础四业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
新手学习大数据需要具备基础五逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
新手学习大数据需要具备基础六数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。