大数据开发轻量级入门方案

问题导读：
1.你是否想进入大数据行业？
2.你是否学习过大数据相关知识？
3.你觉得这篇文章对你入门大数据有用吗？

经过这么多年的发展，大数据的技术正处于群雄逐鹿阶段 ，面对这么多技术框架，我们得学会做减法。

还记得我转行大数据时，只学了hadoop和hive，非常简单，差不多一周的时间，就可以出去面试了，边面试边改进，最后找到不错的工作。那个时候大部分企业用的还是1.X版本的hadoop，正逐渐的升级到hadoop2.X。

当时可以很容易的转型，一大部分原因是大数据的技术还没有普及，需要学的框架也不多。

现在再看网友给提供的一些大数据学习路线，很全很棒，但同时也被吓尿了有木有

（图片来自网络-图片太大，传上来有点糊了）

各种组件五花八门，需要学的东西太多了，而我们的精力又不足够把这么多组件学好，再加上大数据方向经过这些年的发展，各家企业在生产上踩过很多坑，面试的深度也更深了，这就加大了转型的难度。

那有没有一种轻量级入门大数据的方案呢？——答案是肯定的！

先来分析一下大数据开发的工种，大体有三种：

基础组件的优化和开发

这一块偏底层，职位名称可能是【大数据开发】、【大数据开发-XX方向（比如：数据湖、流式计算等）】或者其他的什么命名，具体要看职位描述和技能要求。

主要做的事情：

• Olap引擎优化——比如sparksql新feature开发，源码bug修复、clickhouse二次开发优化等；
• 存储系统研发——分布式块存储 、文件存储、冷存储等方向，对硬件IO等技术深度有一定的要求；
• 流式计算——Flink等实时框架的二次开发及优化；
  
  

下面这个是内推职位【大数据开发-流式计算方向】的技能要求，感受一下：

1、对流式计算系统有深入的了解，在生产环境有TB级别Flink实时计算系统开发经验，深入掌握Flink DataStream、FlinkSQL、Flink Checkpoint、Flink State等模块，有Flink源码阅读经验优先，有二次开发经验请在简历显著位置标注； 2、熟悉常见消息队列原理和应用调优，有Kafka、Plusar、RocketMQ等项目源码阅读经验优先； 3、熟悉Java、C++、Scala、Python等编程语言，有强悍的编码和 trouble-shooting 能力； 4、乐于挑战没有明显答案的问题，对新技术有强烈的学习热情，有PB级别数据处理经验加分； 5、有数据湖开发经验，熟悉Hudi、Iceberg、DeltaLake等至少一项数据湖技术，有源码阅读经验优先； 6、熟悉其他大数据系统经验者优先，YARN、K8S、Spark、SparkSQL、Kudu等； 7、有存储系统经验加分，HBase、Casscandra、RocksDB等。

不同的方向会有不同的侧重，总体上对源码阅读且二次开发的经验和能力有要求。

面向用户的数据产品套件开发

这一块偏系统开发，比如现在比较火的数据治理N件套：数据地图、数据质量管理、指标体系管理、调度系统、埋点管理等一系列web产品的后端研发。

职位名称可能是【大数据开发工程师】、【大数据开发套件服务端工程师】等，主要还是看职位描述和技能要求。

因为这个方向都是大数据类的产品，所以要求比一般的web类开发高一些，要懂数仓建模、大数据的框架原理等，但不会像【基础组件开发】那样有必须读过源码、二次开发这些硬核要求。

下面这个是内推职位【大数据开发套件工程师】的技能要求，感受一下：

1、精通java/scala语言，包括JVM、类装载、线程、并发、IO资源管理、网络 ； 2、精通SOA架构和微服务架构 ，对可扩展性、稳定性、性能、质量有特别的执着，若有高可用、高性能 Web 实践经验更佳； 3、掌握 Web 后端开发技术: 协议、架构、存储、缓存、搜索、安全、消息队列等； 4、熟悉数据仓库实施方法论，深入了解数据仓库体系，并支撑过实际业务场景优先； 5、有 IDE 开发经验者优先考虑； 6、熟悉前端技术的全栈开发工程师优先； 7、熟悉hadoop ecosystem常用开源框架者优先，例如hadoop/flink/spark等。

这个就要求要有三方面的能力：

• Web开发架构
• 要了解数仓相关的知识——毕竟做的产品大部分都是数仓相关的同学在使用
• 大数据组件的能力——这些产品要和大数据相关组件交互，比如做任务血缘、字段血缘
  
  
  

数仓开发

数仓开发常被人称为sql boy/sql girl，和业务关系比较密切了，主要的工作是ETL，做报表、看板等支持业务看数的需求，对数仓建模理论和实践要求较高，技术上的要求是懂原理，重要是使用的熟练程度和sql的调优技能。

职位名称可能是【大数据开发工程师】、【数据开发工程师】、【数仓开发工程师】】等，主要也还是看职位描述和技能要求。

下面这个是内推职位【数仓开发工程师】的技能要求，感受一下：

1、精通数据仓库实施方法论、深入了解数据仓库体系，并支撑过实际业务场景； 2、熟悉Hadoop架构和工作原理，精通MapReduce编程；精通Hive，有HQL优化经验；精通spark、flink开发； 3、熟练使用JAVA，python等编程语言一种或多种多种编程技术，编程能力强； 4、具备海量复杂数据处理及优化的能力，能对遇到的技术挑战进行解决； 5、善于沟通，对业务敏感，能快速理解业务背景，具备优秀的技术与业务结合能力。

可以看到数仓这块，偏向对业务敏感，对数据敏感，这是为了能更好的和业务结合。

经过上面的分析，结论是：

技术深度要求：【数仓开发】<【面向用户的数据产品套件开发】<【基础组件的优化和开发】

业务能力要求：【数仓开发】>【面向用户的数据产品套件开发】>【基础组件的优化和开发】

而在面试时，业务能力是很难考察的，所以如果想转入大数据开发领域，选择【数仓开发】是个捷径。如果特别想做更底层的开发，也可以选择从【数仓开发】切入，先接触，再曲线救国。

那么【数仓开发】需要学啥？

1、会一门基础语言：java/python/scala 【非必须】

Java or python or scala 这三个是or的关系，只用会一种就行；

如果是java相关开发转大数据，那实在是太容易了，这一项就可以略过了；

如果实在是没有语言基础，也实在是不想学，其实也没关系，我周边就有好多同事没有程序开发语言的基础，照样也能把数仓做好

2、分布式存储及调度理论【必须】

hdfs、yarn的理论要理解且熟记，这些对于学习spark 或者hive 以及sql的优化是最最基础的知识。

3、sql 框架要会一个：spark sql/hive sql 【必须】

如果对hive和spark都不懂的话，那就选择学spark，现在离线数仓越来越多的公司切spark了。

Spark 相关主要学习spark core 和spark sql；

要求sql要写的熟练，调优参数及原理，能懂一些源码就更好了。

4、数仓建模、分层理论【必须】

这个是数仓的方法论，是一定要掌握的，理论都在《维度建模权威指南-kimball》这本书里，好书是好书，看起来比较枯燥，在看的时候多思考，结合自己正在做的业务，想象一下如果要为现在的业务划分主题该怎么划、业务矩阵该怎么设计等等，大胆想象就ok。

5、其它需要了解【非必须】

大数据相关的架构理论、olap、数据湖等等，知道越多越好，不需要太深入，主要作用是帮助理解大数据的那一套东西；网上的其它公司数仓的架构是啥样子，要知道架构里每个组件的作用是啥。

还有一些其它的框架组件：kafka、presto、druid、flink 等了解，写个demo跑跑，知道流程就可。

数仓开发日常用到的核心技能就是上面【2】、【3】、【4】，如果搞的扎实，其它的软技能是加分项。我们在准备时，可以把精力集中在这几项上，要学就学个透，不要懂一大堆框架，但哪个都经不起问，这样是最头疼的。

好啦，这一篇主要是提供了一个轻量级的方案，下一篇从面试的角度讨论一下针对这个方案我们该怎么学、学什么、学到什么程度。

谢谢大家的喜欢和鼓励，我们会越来越好

最新经典文章，欢迎关注公众号

原文链接：https://mp.weixin.qq.com/s/e-PD8p3UQ6nUV-LLiCS4kg

感谢分享