Hadoop技术本身并不是新技术，而是互联网时代成就了它，互联网产生了大量的数据，传统的服务器解决方案成本太高，Hadoop分布式处理技术可以解决这个问题，随着BAT等知名公司的成功案例，越来越多互联网公司也都开始使用。Hadoop是云计算的基础。而绝大部分的云计算中的分布式存储和计算都是使用hadoop的。云计算在国家十二五规划中也有重要章节讨论，云计算已经被提高到国家中长期发展战略规划中。

核心思路指引：

Hadoop最核心的两大重点HDFS分布式与MapReduce编程模型，主要解决了超大文件存储与数据应用的问题，当然hadoop家语言编写族还有Hive、Hbase、Pig、Zookeeper等等，其实这些开源项目无非是解决在大数据应用过程中存在的某些特殊问题。所以我认为学习思路很重要，如何从庞大的知识体系中去理解核心，掌握精髓，在工作中能够善学善用，这才是成长和提高的最佳学习方法。还有hadoop本身是个开源项目，由java编写，而且是为linux系统而生，所以在学习hadoop之前除了计算机基础知识，还要具备Linux与java基础，学习linux与java思路也是一样，抓核心学重点。切记！学习编程技术一定要多动手多实践！

基础入门阶段打好基础对职业发展非常重要，切忌只学不动手，需多实践。学习抓重点，Hadoop项目源码是用Java语言编写，而且分布式服务器多数是Linux操作系统，所以Java基础与Linux基础是必须掌握的技能。对大数据对企业的的价值，整体的架构要有宏观认识，不能过于局限。做大数据也离不开关系数据，Oracle可以学习了解。

【重点】大数据的Java基础 14课

【重点】大数据的linux基础 21课

【重点】大数据的统计学基础 15课

【重点】Hadoop数据分析平台 17课

【补充】Hadoop2.X大数据平台视频教程 14课

【补充】Oracle职业直通车 26课

中级进阶阶段的Hadoop工程师不仅仅是会hadoop，这只是基础技术层面的必不可少的工具。Hadoop的核心是HDFS和MapReduce.HDFS提供了海量数据的存储 MapReduce提供了对数据的计算。学习Flume、Storm、Spark、Python等技术会为您在解决实际问题时办法更多，更有效率。Redis与Mongodb是通过非关系数据存储减缓关系数据库压力，提高访问性能，同时也会产生海量数据，建议了解。

目录：

【重点】大数据的Flume日志收集利器 12课

【重点】大数据平台Storm入门到精通 15课

【重点】大数据平台Spark入门与精通 10课

【重点】Zookeeper入门到精通 8课

【补充】Redis技术详解 26课

【补充】Mongodb技术详解 17课

【补充】Storm大数据开发视频教程 8课

【随学】Python网络程序开发 12课

对于高级实战阶段来说hadoop只是基础技术层面的必不可少的工具。Hadoop的核心是HDFS和MapReduce.随着数据集规模不断增大，而传统BI的数据处理成本过高，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将持续增长。如今具备Hadoop框架经验的技术人员是最抢手的大数据人才。数据仓库、数据挖掘等技术是整合数据并使数据产生价值的技术，建议学习了解。

目录：

【重点】Hadoop源码解析与开发实战 43课

【重点】大数据HBase源码解析与开发实战 26课

【重点】大数据Hive源码解析与开发实战 24课

【重点】大数据Hadoop数据挖掘实战 6课

【补充】Mahout入门与项目实战 20课

【随用随学】Storm的集群搭建实战 8课

【补充】Storm流计算之项目篇 3课

【重点】Storm应用实战 18课

【重点】MySQL数据库运维 15课

搜‘一起自学吧’