这几年在国内的发展，基本上企业对于技术开发人员的要求，都开始与大数据接轨。那么学大数据需要学哪些内容，今天为大家做个简单介绍。从就业的角度来考量，那么自然是市场要求什么，就学什么。市场主流的大数据技术栈。
大数据发展速度很快，对技术的需求也在不断更新迭代，从第一代的Hadoop为王，到现在的Hadoop、Spark、Storm、Flink百花齐放，一方面是因为需求的变化，另一方面也是技术生态在不断拓展和完善。大数据处理的流程，从数据获取、到存储、计算、分析、展现等各个环节，都需要专业的技术支持，对应到不同的岗位，各个岗位共同组成一个完整的数据团队。
大数据开发工程师
工作内容：主要是基于Hadoop、Spark等平台上面进行开发，各种开源技术框架平台很多，需要看企业实际的选择是什么，但目前Hadoop、Spark仍然占据广大市场。
岗位要求：精通Java技术知识，熟悉Spark、kafka、Hive、HBase、zookeeper、HDFS、MR等应用设计及开发。
数据存储层
主要由分布式文件系统（面向文件存储）和分布式数据库（面向行/列的存储）构成。
HDFS：Hadoop分布式文件系统。
Hbase：构建在HDFS之上的分布式数据库。
Kudu：介于HDFS和HBase之间的基于列式存储的分布式数据库。
数据分析师
工作内容：收集，处理和执行统计数据分析；运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力。
岗位要求：掌握专业数据分析工具和数据分析方法。
数据分析层
主要为方便用户解决大数据问题而提供的各种数据分析工具。
Hive/Pig/SparkSQL：在计算引擎之上构建的支撑SQL或者脚本语言的分析系统，大大降低了用户进行大数据分析的门槛。
数据架构师
工作内容：平台选择，技术架构设计，应用设计和开发，测试和部署；需要平台级开发和架构设计能力。
举例（Hadoop方向架构师）：懂Hadoop生态圈，基本上所有的产品都得熟悉，要懂得性能调优，能够结合业务选择合适的产品。