大数据需要学哪些内容

大数据需要经历八个阶段的学习，分别为：

第一阶段：静态网页基础（HTML+CSS）。难易程度：一颗星；主要技术包括：html常用标签、CSS常见布局、样式、定位等、静态页面的设计制作方式等；

第二阶段：JavaSE+JavaWeb。主要技术包括：java基础语法、java面向对象；

第三阶段：前端框架。主要技术包括：JavaScript、Jquery、注解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui；

第四阶段：企业级开发框架。主要技术包括：Hibernate、Spring、SpringMVC、log4j slf4j整合、myBatis、struts2、Shiro、redis、流程引擎activity，爬虫技术nutch,lucene，webService CXF、Tomcat集群和热备、MySQL读写分离；

第五阶段：初识大数据。主要技术包括：大数据前篇、Linux常见命令、Linux Shell编程、Hadoop入门、HDFS、MapReduce应用、Hadoop高级应用、扩展；

第六阶段：大数据数据库。主要技术包括：Hive入门、Hive Shell编程、Hive高级应用、hbase入门、Hbase SHELL编程、细说Hbase模块、HBASE高级特性；

第七阶段：实时数据采集。主要技术包括：Flume日志采集，KAFKA入门、KAFKA详解、KAFKA高级使用、数据可视化、STORM入门、STROM开发、STORM进阶、KAFKA异步发送与批量发送时效，KAFKA全局消息有序，STORM多并发优化；

第八阶段：SPARK数据分析。主要技术包括：SCALA入门、SCALA进阶、SCALA高级使用、SPARK入门、Spark数据集与编程模型、SPARK SQL、SPARK进阶、SPARK高级编程、SPARK高级应用、SPARK ML KMEANS算法，SCALA隐式转化高级特性。