⑴ 大數據學什麼語言
1、Python語言
十多年來，Python在學術界當中一直很流行，尤其是在自然語言處理（NLP）等領域。因而，如果你有一個需要NLP處理的項目，就會面臨數量多得讓人眼花繚亂的選擇，包括經典的NTLK、使用GenSim的主題建模，或者超快、准確的spaCy。同樣，說到神經網路，Python同樣游刃有餘，有Theano和Tensorflow；隨後還有面向機器學習的scikit-learn，以及面向數據分析的NumPy和Pandas。
還有Juypter/iPython――這種基於Web的筆記本伺服器框架讓你可以使用一種可共享的日誌格式，將代碼、圖形以及幾乎任何對象混合起來。這一直是Python的殺手級功能之一，不過這年頭，這個概念證明大有用途，以至於出現在了奉行讀取－讀取－輸出－循環（REPL）概念的幾乎所有語言上，包括Scala和R。
Python往往在大數據處理框架中得到支持，但與此同時，它往往又不是「一等公民」。比如說，Spark中的新功能幾乎總是出現在Scala/java綁定的首位，可能需要用PySpark編寫面向那些更新版的幾個次要版本（對Spark Streaming/MLLib方面的開發工具而言尤為如此）。
與R相反，Python是一種傳統的面向對象語言，所以大多數開發人員用起來會相當得心應手，而初次接觸R或Scala會讓人心生畏懼。一個小問題就是你的代碼中需要留出正確的空白處。這將人員分成兩大陣營，一派覺得「這非常有助於確保可讀性」，另一派則認為，我們應該不需要就因為一行代碼有個字元不在適當的位置，就要迫使解釋器讓程序運行起來。
2、R語言
在過去的幾年時間中，R語言已經成為了數據科學的寵兒——數據科學現在不僅僅在書獃子一樣的統計學家中人盡皆知，而且也為華爾街交易員，生物學家，和矽谷開發者所家喻戶曉。各種行業的公司，例如Google，Facebook，美國銀行，以及紐約時報都使用R語言，R語言正在商業用途上持續蔓延和擴散。
R語言有著簡單而明顯的吸引力。使用R語言，只需要短短的幾行代碼，你就可以在復雜的數據集中篩選，通過先進的建模函數處理數據，以及創建平整的圖形來代表數字。它被比喻為是Excel的一個極度活躍版本。
R語言最偉大的資本是已圍繞它開發的充滿活力的生態系統：R語言社區總是在不斷地添加新的軟體包和功能到它已經相當豐富的功能集中。據估計，超過200萬的人使用R語言，並且最近的一次投票表明，R語言是迄今為止在科學數據中最流行的語言，被61%的受訪者使用(其次是Python，39%)。
3、JAVA
Java，以及基於Java的框架，被發現儼然成為了矽谷最大的那些高科技公司的骨骼支架。 「如果你去看Twitter，LinkedIn和Facebook，那麼你會發現，Java是它們所有數據工程基礎設施的基礎語言，」Driscoll說。
Java不能提供R和Python同樣質量的可視化，並且它並非統計建模的最佳選擇。但是，如果你移動到過去的原型製作並需要建立大型系統，那麼Java往往是你的最佳選擇。
⑵ 澶ф暟鎹鍏蜂綋瀛︿粈涔堬紵
澶ф暟鎹鏃朵唬鐨勬潵涓達紝寮曠垎浜嗕漢浠瀵瑰ぇ鏁版嵁鐨勮ㄨ猴紝浜轟滑瀵瑰ぇ鏁版嵁鏈夊緢澶氬ソ濂囩殑鍦版柟錛岃秺鏄娣卞叆鐨勪簡瑙ｅぇ鏁版嵁錛岃秺鏄瀵瑰ぇ鏁版嵁鐫榪鳳紝寰堝氭湅鍙嬮兘鎯崇煡閬擄紝澶ф暟鎹瀛︿粈涔?澶ф暟鎹鎬庝箞瀛?鍏充簬榪欎袱涓闂棰橈紝鍖椾含鍖楀ぇ闈掗笩灝嗗湪涓嬫枃涓涓浣滅瓟錛屽笇鏈涘逛綘鏈夋墍甯鍔┿
涓銆佸ぇ鏁版嵁瀛︿粈涔?
澶ф暟鎹瑕佸︾殑涓滆タ寰堝氾紝閭ｄ箞灝辮窡鍖楀ぇ闈掗笩灝忕紪澶ц嚧鍦版潵鐞嗙悊姣忎釜闃舵靛ぇ鏁版嵁璇ュ︿粈涔?闃舵典竴Java緙栫▼銆侀樁孌典簩鏁版嵁搴撳紑鍙戙侀樁孌典笁web鍓嶇寮鍙戙侀樁孌靛洓Javaee鍩虹寮鍙戙侀樁孌典簲JavaEE楂樼駭妗嗘灦寮鍙戙侀樁孌靛叚Linux緋葷粺鍜宻hell鑴氭湰寮鍙戙侀樁孌典竷python寮鍙戙侀樁孌靛叓hadoop緇撴瀯涓庡ぇ鏁版嵁寮鍙戙
褰撶劧榪欎釜瀛﹀ぇ鏁版嵁鐨勯樁孌甸『搴忎篃涓嶄竴瀹氳佽繖鏍鋒帓搴忥紝浣犲綋鐒跺彲浠ヨ嚜琛岀殑閫夋嫨錛屽競鍦虹殑澶ф暟鎹鍩硅鏈烘瀯鐨勮劇▼瀹夋帓涔熷彲鑳戒笉涓鏍楓傝繖鍙鏄澶ф柟鍚戱紝榪樺湴緇嗗垎灝忔柟鍚戱紝姣斿傛暟鎹搴撳紑鍙戠殑瀛︿範錛屼綘闇瑕佹帉鎻℃暟鎹搴撳熀紜錛屾暟鎹搴撹捐★紝寮鍙戝拰綆＄悊絳夋柟闈㈠熀紜鐭ヨ瘑錛岀啛緇冩帉鎻SQL鐨勪嬌鐢;娣卞叆鎺屾彙ORM鐨勬濇兂錛岀啛緇冭繍鐢↗DBC瑙ｅ喅鏁版嵁鎸佷箙鍖栫殑鏂規硶絳夌瓑銆
浜屻佸ぇ鏁版嵁鎬庝箞瀛?
浠庡ぇ鏁版嵁鐨勯樁孌靛垝鍒嗘潵鐪嬶紝澶ф暟鎹瑕佹帉鎻＄殑鐭ヨ瘑榪樻尯鏉傜殑錛屽ぇ鏁版嵁鎬庝箞瀛?闆跺熀紜鎯沖嚟涓宸變箣鍔涜嚜瀛﹀ソ澶ф暟鎹錛屾棤鐤戞槸鐗瑰埆鐨勯毦錛岃嚜瀛﹀ぇ鏁版嵁涔熶笉鏄瀛﹀ぇ鏁版嵁鏈浣崇殑鏂規堛傚﹀ぇ鏁版嵁鏈浣充篃鏄鏈嫻佽岀殑灝辨槸鍙傚姞澶ф暟鎹鍩硅銆
⑶ 大數據時代需要學習什麼技術
大數據時代需要學習數據的存儲和處理技術。
大數據的存儲主要是一些專分屬布式文件系統，現在有好些分布式文件系統。比較火的就是GFS,HDFS前者是谷歌的內部使用的，後者是根據谷歌的相關論文用java開發的來源框架。hdfs可以學習。
然後就是數據處理是學maprece，這是大數據出的不錯的實現，可以基於hdfs實現大數據處理和優化存儲。
還有一個比較好的列式存儲的資料庫hbase,也是為了大數據兒生的非關系型資料庫。
然後就是一些輔助工具框架，比如:hive,pig,zookeeper,sqoop,flum。
⑷ 大數據主要學習什麼
現在是大數據的時代，很多人都想從事大數據的職業.大數據主要學習什麼？
基礎階段:Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis.hadoopmaprecehdfs:hadoop:hadoop概念、版本、歷史、HDFS工作原理、YARN介紹和組件介紹.
大數據存儲階段:hbase、hive、sqoop.
大數據結構設計階段:Flume分布式、Zookeeper、Kafka.
大數據侍敗帶實時計算階段:Mahout、Spark、storm.
大數據收集階段:Python，Scala.
大數據商業實戰階段:實踐企業大數據處理業務場景，分析需求、解決方案實施，綜合技術實戰應用.
大數據枯返(bigdata、mega、data)或大量資料，是指需要新的處理模式，具有更強的決策力、洞察力和過程優化能力的大容量、高增長率和多樣化的信息資產.在維克托·邁爾·舍恩伯格和肯尼斯·庫克耶寫的《大數據時代》中，大數據不是隨機分析法(抽樣調查)的捷徑，而是採用所有數據進行分析處理.大數據的5V特徵:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值密度)、Veracity(真實老蘆性).
大數據的5個v或特徵為
第一，數據體量巨大