数据库学习路线（求推荐适合程序员的学习路线）

本文目录

• 求推荐适合程序员的学习路线
• 大数据有什么学习路线
• 超全面的Java学习路线图
• JavaEE学习路线图
• 大数据学习路线及专业课程学习的主要内容是什么
• 从业大数据方向，需要掌握哪些技能，具体学习路线是什么

求推荐适合程序员的学习路线

分享一份完整的Python学习路线图，可以参考下

分享Python的7个就业方向。

1、Web开发（Python后端）

Python有很多优秀的Web开发框架，如Flask、Django、Bootstar等，可以帮助你快速搭建一个网站。当需要一个新功能时，用Python只需添加几行代码即可，这受到了很多初创型公司的一致欢迎。

像知乎、豆瓣、小米这样的大厂，最早的网站都是用Python搭建的，国外则更多，如YouTube 、Quora、Reddit、Instagram、Netflix等代表地球顶级流量的大站，都构建在Python之上。

平均薪资：15~20K

技能要求：前端基础、Python基础、主流Python Web框架（Flask、Django等）、数据库等

2、Python爬虫工程师

顾名思义，就是用Python收集和爬取互联网的信息，也是小伙伴们入坑Python的第一驱动力。靠人力一星期才能完成的工作，你泡着咖啡、跑10分钟爬虫即可，又装X又实用，学会Python爬虫后，即使不做程序员的工作也能加分不少。

平均薪资：15~25K

技能要求：前端基础、Python爬虫库、数据库、JS反爬等

友情提示：注意法律风险

3、Python数据分析师

这个时代，数据和黄金一样宝贵，现在最火的公司如：今日头条、抖音、快手等，产品都建立在对用户的分析之上，更不用说淘宝、京东、拼多多这些 “定制化推荐” 的老手。

可以说，所有的商业公司都需要这样一个角色，Python数据分析师也成了目前最火的职业之一。

Python是目前数据分析业务中，最常用的语言。学会Python后，基本可以满足数据分析经理的招聘需求。

平均薪资：10~25K

技能要求：统计学基础、Python的数据分析库（Pandas、NumPy、matplolib）、数据库、机器学习框架（高端职位需要）

4、AI工程师

人工智能是目前最火的方向之一，薪资待遇非常高（土豪的代名词）。从招聘网站上可以看到，80K、100K 的职位也有很多，流下了没有技术的泪水，当然这些职位的要求也相对较高。

Python是人工智能时代的头牌语言，不管是机器学习（Machine Learning）还是深度学习（Deep Learning），最常用的工具和框架都需要用Python调用，如Numpy、scipy、pandas、matplotlib、PyTorch、TensorFlow等，因此Python是人工智能工程师的必备技能之一。

薪资：20~40K

技能要求：统计学基础、Python、数据分析库、机器学习、深度学习框架

5、自动化运维工程师

运维工程师经常要监控上百台机器的运行，或同时部署的情况。使用Python可以自动化批量管理服务器，起到1个人顶10个人的效果。

自动化运维也是Python的主要应用方向之一，它在系统管理、文档管理方面都有很强大的功能。

平均薪资：15~25K

技能要求：Python、shell、Linux、数据库、openpyxl库等

6、自动化测试工程师

测试的工作是枯燥和重复的，在过去，每次产品更新，都要重复测试一遍，效率低而且容易出错。

Python提供了很多自动化测试的框架，如Selenium、Pytest等，避免了大量的重复工作，Python自动化测试也变得越来越流行。

平均薪资：10~20K

技能要求：Python、自动化测试框架、Linux等

7、Python游戏开发

Python游戏开发的招聘集中在游戏服务器领域，主要负责网络游戏的服务器功能开发、性能优化等工作。

平均薪资：15~25K

技能要求：Python、Python Web框架、Linux、数据库、Nginx等

通过以上一系列的讲解，相信各位刚入门Python编程语言的人，对于Python主要用来做什么这个问题有了一定的了解。Python编程语言应用广泛，就业方向也是十分广阔，当下正是学习Python的好时机。只要你掌握了Python技术，找一份工作还是比较容易的。

大数据有什么学习路线

第一阶段为JAVASE+MYSQL+JDBC，主要学习一些Java语言的概念，如字符、流程控制、面向对象、进程线程、枚举反射等，学习MySQL数据库的安装卸载及相关操作，学习JDBC的实现原理以及Linux基础知识，是大数据刚入门阶段。
第二阶段为分布式理论简介，主要讲解CAP理论、数据分布方式、一致性、2PC和3PC、大数据集成架构。涉及的知识点有Consistency一致性、Availability可用性、Partition tolerance分区容忍性、数据量分布、2PC流程、3PC流程、哈希方式、一致性哈希等。
第三阶段为数据存储与计算（离线场景），主要讲解协调服务ZK(1T)、数据存储hdfs(2T)、数据存储alluxio(1T)、数据采集flume、数据采集logstash、数据同步Sqoop(0.5T)、数据同步datax(0.5T)、数据同步mysql-binlog(1T)、计算模型MR与DAG(1T)、hive(5T)、Impala(1T)、任务调度Azkaban、任务调度airflow等。
第四部分为数仓建设，主要讲解数仓仓库的历史背景、离线数仓项目-伴我汽车（5T）架构技术解析、多维数据模型处理kylin（3.5T）部署安装、离线数仓项目-伴我汽车升级后加入kylin进行多维分析等；
第五阶段为分布式计算引擎。主要讲解计算引擎、scala语言、spark、数据存储hbase、redis、kudu，并通过某p2p平台项目实现spark多数据源读写。
第六阶段为数据存储与计算（实时场景），主要讲解数据通道Kafka、实时数仓druid、流式数据处理flink、SparkStreaming，并通过讲解某交通大数让你可以将知识点融会贯通。
第七阶段为数据搜索，主要讲解elasticsearch，包括全文搜索技术、ES安装操作、index、创建索引、增删改查、索引、映射、过滤等。
第八阶段为数据治理，主要讲解数据标准、数据分类、数据建模、图存储与查询、元数据、血缘与数据质量、Hive Hook、Spark Listener等。
第九阶段为BI系统，主要讲解Superset、Graphna两大技术，包括基本简介、安装、数据源创建、表操作以及数据探索分析。
第十节段为数据挖掘，主要讲解机器学习中的数学体系、Spark Mlib机器学习算法库、Python scikit-learn机器学习算法库、机器学习结合大数据项目。

超全面的Java学习路线图

超全面java学习路线图

一、Java基础知识

1.基本数据类型。

2.字符串的操作。

3.数据类型之间的转换。

4.日期和时间。

5.数组和集合。

6.文件和目录(/O)操作。

7.Java多态的实现（继承、重载、覆盖）。

8.编码转换，怎样实现将GB2312编码的字符串转换为1S0-8859-1编码的字符串。

9.Java中SQL和数据库。

二、JSP&Servlet技术

1.描述JSP和Servlet的区别、共同点、各自应用的范围。

2.在Web开发中需要处理HTML标记时，应做什么样的处理，要筛选那些字符(《》&“”)。

3.在JSP中如何读取客户端的请求，如何访问CG1变量，如何确定某个Jsp文件的真实路径。

4.描述Cookie和Session的作用，区别和各自的应用范围，Session.工作原理。

5.列出Jsp中包含外部文件的方式，两者有何区别。

6.说明Jsp中errorPage的作用，应用范围。

7.介绍在Jsp中如何使用JavaBeans。

8.简单介绍JSP的标记库。

9.Jsp和Servlet中的请求转发分别如何实现。

三、J2EE相关知识

1.介绍J2EE、JNDI、EJB3等，应用服务器，例如：webLogic Server,Websphere,JBoss。

2.J2EE是一种技术还是一种平台，他提供7那些技术0

3.什么是Application Server,.它有什么功能和优点。

4.简单介绍连接池的优点和原理。

5.Web.xml的作用。

6.简单介绍您所7解的MVC。

7.简单介绍所7解的XML。

四.高级

structs或springWEB应用构架Java与XML,重点掌握使用Java技术对XML文件的解析Hibernate等持久层的技术AJAXWeb Services、SOA的原理与应用开发JavaSE是基础，javaEE是企业级应用，javaME是微型电子应用，例如手机相关软件的开发。要想学就先学SE,其他两个可以选一个学。目前EE和ME都还可以你选一个就行了。

JavaEE学习路线图

一、Java核心

    这是学习Java的基础，掌握程度的深浅甚至直接影响后面的整个学习进程。Java的核心主要包括3个部分：

   1、初级的有语法基础、面向对象思想。

      学习任何一门语言语法都是必须的，因为Java的接近自然语言，也是一种相对比较容易学的语言。同时面向对象编程更是其核心思想，要理解其实只要记住一句话就行了，那就是：一切皆是对象。

   2、中级的IO流、多线程、反射及注解等。

      IO流程、多线程等是相对比较高级一点的了，通过学习我们会发现这些都很有用而且很有趣。例如我们可以读取一个Excel文件、将一个文件分离，做一个时钟、使用多个线程发送邮件等等很多有意思的事。另外反射及注解更是后面流行框架SSH等的基础，在使用中你便会慢慢感受到它的无穷魅力。

   3、高级一点的就是设计模式和框架之类了。

      要学习好一门语言，仅仅会使用还是不够的，我们不仅要深入研究其原理，而且还要找到其一些共性的东西，从而减少反复的劳动，让代码可重用、更可靠且更容易被别人理解。

二、前端Web

    现在来说Java最流行的应用还是Web开发。那么作为Web开发，对于前台的知识的学习也是必须的，当然并不是一定要按照前端工程师的标准去要求。但是一些基础的知识也是必须要掌握的，毕竟Web应用是前台和后台的一个交互的过程。像HTML、CSS、JavaScript等都是基础的知识，另外作为开发人员对目前最流行的JavaScript框架jQuery更是必学不可的。

三、数据库

    有人说，所有的应用无非就是数据的输入、处理到输出的过程。期间同时可能还会涉及到数据的存储问题。对于结构化的数据，我们常用的还是像Oracle、MySQL和PostgreSQL之类的关系型数据库。同时针对数据库编程还是PL/SQL需要学习。使用Java访问数据库的话还有JDBC。那么对于非结构化的数据以及大数据该如何处理呢？其实这里也已经有了非常成熟的解决方案了，那便是Hadoop。就Hadoop而言他并不是一种思想，更多是一个实现了Mapreduce模式的框架。

四、J2EE

    好了，前面这么多准备的工作。下面我们进入正题。作为Java开发，CoreJava是核心，而作为JavaWeb开发，我认为Servlet才是核心。IT培训发现Servlet是服务器端的Java应用程序，但是与普通的Java应用程序不同的是，它是由web服务器来加载启动，即我们常说的Servlet，如Tomcat便是servlet容器。另外谈到J2EE开发，这里有一个重要的模型不得不提一下，很多人其实已经想到了，那便是MVC（模型-视图-控制器）模型。在传统的web开发中，往往是JavaBean充当模型、JSP做视图而Servlet作为控制器。

大数据学习路线及专业课程学习的主要内容是什么

大数据是对海量数据进行存储、计算、统计、分析和处理的一系列处理方法。处理的数据量通常是TB级，甚至PB或EB级的数据，可以 传统的数据处理方法无法完成。它涉及到分布式计算、高并发处理、高可用性处理、集群、实时计算等。汇集了当前IT领域的热门IT技术。
要开始接触大数据，需要学习以下知识点：
先附上自己总结的学习路线图。
1.Java编程技术
Java编程技术是大数据学习的基础。Java是一种具有高度跨平台能力的强类型语言。它可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等。是大数据工程师最喜欢的编程工具。所以想要学好大数据，掌握Java基础是必不可少的。
2.Linux命令
大数据开发通常在Linux环境下进行。与Linux操作系统相比，Windows操作系统是一个封闭的操作系统，开源的大数据软件非常有限。所以想从事大数据开发，需要掌握Linux的基本操作命令。
3、Hadoop
Hadoop是大数据开发的重要框架，其核心是HDFS和MapReduce。HDFS为海量数据提供存储，MapReduce为海量数据提供计算。所以需要掌握Hadoop集群、Hadoop集群管理、YARN和Hadoop高级管理等相关技术和操作！
4、蜂巢
Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射到一个数据库表中，提供简单的sql查询功能，将sql语句转换成MapReduce任务运行。非常适合数据仓库的统计分析。Hive需要掌握它的安装、应用和高级操作。
5.Avro和Protobuf
Avro和Protobuf都是数据序列化系统，可以提供丰富的数据结构类型，非常适合数据存储。他们还可以在不同的语言之间交换数据格式。学习大数据，需要掌握它的具体用法。
6、动物园管理员
ZooKeeper是Hadoop和Hbase的重要组成部分，是为分布式应用提供一致服务的软件。提供的功能包括：配置维护、域名服务、分布式同步、组件服务等。在大数据开发中，要掌握ZooKeeper的常用命令及其功能的实现方法。
7、HBase
HBase是一种分布式、面向列的开源数据库，不同于一般的关系数据库，更适合于非结构化数据存储。这是一个高度可靠、高性能、面向列且可扩展的分布式存储系统。大数据开发需要掌握HBase的基础知识、应用、架构和高级用法。
凤凰城
Phoenix是用Java编写的开源SQL引擎，基于JDBC API运行HBase。它具有动态列、哈希加载、查询服务器、跟踪、事务、自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳过查询、视图和多租户等特性。要掌握大数据开发的原理和用法。
9、Redis
Redis是一个键值存储系统，很大程度上弥补了memcached等键/值存储的不足，在某些场合可以对关系数据库起到很好的补充作用。它提供了Java、C/C、C#、PHP、JavaScript、Perl、Object-C、Python、Ruby、Erlang等客户端。很好用，大数据开发需要掌握Redis的安装。
10、水槽
Flume是一个高度可用、可靠的分布式系统，用于收集、聚合和传输海量日志。Flume支持在日志系统中定制各种数据发送器来收集数据；同时，Flume提供了简单处理数据并将其写入各种数据接收者的能力。大数据开发需要掌握其安装、配置及相关使用方法。
11、SSM
SSM框架是Spring、SpringMVC和MyBatis的集成，常用作简单数据源的web项目的框架。大数据开发需要分别掌握Spring、SpringMVC和MyBatis，然后使用SSM进行集成。
12、卡夫卡
Kafka是一个高吞吐量的分布式发布和订阅消息系统。其在大数据开发和应用方面的目的是通过Hadoop # 039的并行加载机制，并通过集群提供实时消息。大数据开发需要掌握Kafka架构原理，各组件的功能和用法以及相关功能的实现。
13、标量
Scala是一种多范式编程语言，大数据开发的重要框架Spark就是用Scala语言设计的。要学好Spark framework，有Scala基础是必不可少的。所以大数据开发需要掌握Scala编程的基础知识！
14、火花
Spark是一个快速通用的计算引擎，专为大规模数据处理而设计。它为管理各种数据集和数据源的大数据处理需求提供了全面统一的框架。大数据开发需要掌握spark、SparkJob、Spark RDD、Spark作业部署和资源分配、Spark shuffle、Spark内存管理、Spark广播变量、Spark SQL、Spark Streaming和Spark ML的基础知识。
阿兹卡班
Azkaban是一个批处理工作流任务调度程序，可用于在工作流中以特定顺序运行一组作业和进程。阿兹卡班可以用来完成大数据的任务调度。大数据的开发需要掌握阿兹卡班的相关配置和语法规则。
16.Python和数据分析
Python是一种面向对象的编程语言，库丰富，使用简单，应用广泛。也用于大数据领域，主要用于数据采集、数据分析和数据可视化。所以在大数据开发中学习一些Python知识是很有必要的。
王者之心2点击试玩

从业大数据方向，需要掌握哪些技能，具体学习路线是什么

大数据分为大数据开发、大数据分析、数据仓库开发，每个细分职位要求技能不一样的。
大数据开发和数据仓库开发必须会编程的，大数据分析也要求会编程，不过也有只会hive和sql做分析的。
看你薯档扰想转那一方面的，我平时工作中最常用这些技术
1，Java用的不深，把Javase部分吃透就行。
2，Hadoop生态，Yarn、Zookeeper、HDFS这些底层原理要懂。
3，Mapreduce和Spark开发。
4，Hbase和HIve，搞大数据这些不懂真的说不过去。
5，Mysql、Oracle和Postgres数据库操作要回，Sql要会写。
6，linux操作系统，这个简单的命令必须要懂，会写shell脚本更好了。
7，Kettle或Sqoop这种数据处理工具至少要会一个。
8，SparkSql和SparkStreaming，底层原理、内核、提交任务的过程等等，尽量深入内幕。当然也要了解Storm和Flink，Flink现在越来越火了。
9，Redis、Kafka、ElasticSearch这些都得懂，会使用，会操作，会调优。
10，impala和kylin这些尽量也要了解蠢陵会用。
11，Python这个要是有能力，有精力，建议也要往深处学习，我目前正在自学中。
12，集群的问题，包括一些简单的运维知识。
我工作中常接触常用到的，其数旦实你搞懂其中的MapReduce，Spark，kafka，HBASE，hive，ES和数据库操作 这些常用的就可以找工作了。