现如今大数据的使用频率不断增加，各个领域都有铺天盖地的信息，面对成千上万的浏览、行为数据，如果使用以前的软件来进行数据处理是远远不能满足的。现在大数据的产生也是应运而生。以下是小编为你整理的0基础学大数据
javaMR语言
这种语言产生很早了，大家也或多或少的接触过，但是在大数据中使用已经有的原型进行构建庞大系统，是一种最基本的选择。
Scala语言
以java为基础的语言，和java很像，对任何想要进行大规模的机械学习或是建立高阶的算法，Scala是逐渐兴起的工具，善于呈现且拥有建立可靠系统的能力。
Hadoop
在以java为基础的大数据处理当中，Hadoop为作一批数据处理，发展以java为基础的架构关键。相对于其他处理工具而言，Hadoop慢许多，但是无比的准确可被后端数据库分析广泛使用
Kafka andStorm
它是一个特别快速的查询信息系统，但是因为太快了在实施操作时会犯错，有时候会漏掉东西。
Pythom语言
Python拥有R语言处理复杂数据的能力及更务实的语言特质，更简单和直观，在近几年的成长很快。在数据处理范畴内，通常在规模与复杂之间要有个选择，Python无疑当选。
大数据的特征分析
特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。
变化和偏差分析。偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。
Web页挖掘。随着Internet的迅速发展及Web 的全球普及， 使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web 的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。
MLib(机器学习库)
Spark MLlib是一个机器学习库，它提供了各种各样的算法，这些算法用来在集群上针对分类、回归、聚类、协同过滤等。
Streaming(流计算模型)
Spark Streaming支持对流数据的实时处理，以微批的方式对实时数据进行计算
Kafka(分布式消息队列)
Kafka是Linkedin于2010年12月份开源的消息系统，它主要用于处理活跃的流式数据。
活跃的流式数据在web网站应用中非常常见，这些数据包括网站的pv、用户访问了什么内容，搜索了什么内容等。
这些数据通常以日志的形式记录下来，然后每隔一段时间进行一次统计处理。
Phoenix(hbase sql接口)
Apache Phoenix 是HBase的SQL驱动，Phoenix 使得Hbase 支持通过JDBC的方式进行访问，并将你的SQL查询转换成Hbase的扫描和相应的动作。
如何学好Java
万丈高楼平地起，首先要学好java的基础部分，重点学习java SE，尤其要熟练掌握面向对象、集合框架，常用的数据结构、JDBC、异常、IO、线程和网络编程，对于每个知识点，最好是能学做结合，开发一些程序，便于深入了解
基础学习完毕之后，开始进入java web部分的学习，主要是考虑到java web的应用范围很广，而且招聘的时候，基本都要求这些。首先学习Servlet、JSP的基础知识，了解httprequest，httpResponse，之后开始学习Struts2、Hibernate和Spring，经典的SSH框架
在学习SSH框架的时候，平时要多应用，多开发。同时需要阅读一些框架的源代码程序，了解原理，之后开始自己动手写一些小的框架
做java web方向的时候，除了后台java 代码需要进行学习之外，还需要学习前台的css html jquery 等前台开发框架，同时需要学习后台数据库的配置，以及sql语句的书写和数据库的调优
java的大数据方向，尤其是要学习hadoop，spark这些主流的大数据框架，学习如何使用这些开源工具，在使用的过程中，了解原理，熟悉源代码
java的移动开发方向，主要就是学习android手机客户端程序的开发，学习anrdoi的体系架构，一些常用的组件开发，下拉框，菜单。熟练掌握activity，service的概念
