自学大数据技术是否可行？

 随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

第一个阶段的学习内容主要以基础知识为主，涉及到操作系统(Linux)、数据库、编程语言(Java、Python、Scala)、算法设计基础以及统计学基础知识。这个阶段的学习内容虽然比较多，但是整体的难度并不算高。对于没有任何计算机基础的初学者来说，应该在这个学习阶段多做一些实验，如果在学习的初期能够得到一定的指导，会节省一定的时间。

第二个阶段的学习内容主要以大数据平台为主，对于初学者来说最好选择开源的大数据平台，比如Hadoop、Spark就是不错的选择，初学者并不建议选择学习商用大数据平台，因为商用平台的封装性比较好，不容易分析其中的技术细节。实际上，当前很多商用大数据平台都是基于Hadoop和Spark构建的。

第三个阶段的学习内容主要以实践为主，实践的内容主要分为三个大的任务，分别是大数据应用开发、大数据分析和大数据运维，由于不同的岗位往往需要掌握不同的实践能力，所以掌握更多的实践知识能够在一定程度上提升自己的岗位适应能力。

大数据是一个以系统方式分析数据，并且从数据中提取信息所属领域的技术。在数据越来越庞大，越来越杂的情况下，相比传统的数据处理软件件，大数据有着数据储存、分析、共享、传输等优势。首先，自学大数据技术是完全可以的，但是由于大数据的知识体系涉及到的内容比较多，而且具有一定的难度，所以大数据的学习应该分为以上三个阶段来完成。由于大数据知识体系比较庞大，而且大数据与具体的应用场景有密切的联系，所以自学大数据技术很难获得一个持续且深入的过程，因此建议在学习的中后期应该找一个实习岗位。