先说入门吧，如果完全是零基础，那本《大数据之路：阿里巴巴大数据实践》，我觉得是绕不过去的。别被“阿里巴巴”吓到，它其实挺接地气的，把阿里内部怎么玩转大数据的那些事儿，掰开了揉碎了讲给你听。注意，是“实践”，不是理论。虽然现在可能有些过时，但对于了解大数据的整体架构、流程，以及一些常见的坑，还是很有帮助的。我当年刚入行的时候，就是靠它大概摸清了门道。别指望它能教你写代码，它更多的是一种全局观。
然后呢，如果你想稍微深入一点，开始动手操作，那《Hadoop权威指南》，绝对是必啃的骨头。这本书真的厚，而且全是干货。Hadoop虽然现在感觉有点老了，但它的思想，MapReduce、HDFS，那些东西，是大数据的基础中的基础。就算以后不用Hadoop了，理解了这些，再去学Spark、Flink，也会轻松很多。当初啃这本书的时候，真是头皮发麻，各种配置文件，各种报错，但搞定之后，成就感也是满满的。建议配合一些视频教程一起看，光看书，真的容易迷路。
如果你是程序员，想更深入地了解大数据处理的底层原理，或者想自己开发一些大数据工具，那《数据密集型应用系统设计》（Designing Data-Intensive Applications，简称DDIA）绝对是神书。这本书不是教你具体怎么用某个工具，而是告诉你为什么这些工具要这么设计，它们背后的 trade-off 是什么。这本书很硬核，需要一定的计算机基础，但如果你能把它啃下来，那你的大数据功力，绝对能上一个台阶。我敢说，看懂这本书，你就能在面试的时候，把面试官问得哑口无言。当然，前提是你得真懂，不是死记硬背。
再说说Spark，现在Spark用的也挺多的。《Spark快速大数据分析》，这本书算是一个不错的入门选择。它的优点是短小精悍，例子很多，可以快速上手。但是，这本书的缺点也很明显，就是不够深入。如果你想深入了解Spark的原理，那《Spark技术内幕：深入解析Spark内核架构与设计思想》，这本书可以看看。这本书讲得很细，从Spark的源码层面，剖析了Spark的各个组件的实现原理。这本书适合那些想成为Spark专家的同学。
Flink的话，《Flink基础教程》和《深入理解Flink》这两本可以一起看，前者偏入门，后者偏原理。Flink现在正火，学好了前途无量。但是，Flink的学习曲线也比较陡峭，需要一定的耐心。
顺便提一句，别迷信“权威指南”之类的书名。很多“权威指南”，其实就是把官方文档翻译了一遍，然后加了一些例子。这种书，看看可以，但别指望它能帮你解决所有问题。最好的学习方法，还是多动手，多实践，多踩坑。
还有，大数据技术更新迭代很快，书上的知识，可能过时了。所以，除了看书，还要多关注社区，多看博客，多参加一些技术交流活动。这样才能跟上时代的步伐。
最后，我想说，大数据不是银弹。不是说有了大数据，就能解决所有问题。大数据只是一个工具，关键在于你怎么用它。不要为了大数据而大数据，要根据实际需求，选择合适的工具和技术。我见过很多公司，花了大价钱买了大数据平台，结果却发现，根本用不上，或者用了也达不到预期的效果。所以，一定要想清楚，你到底需要什么，然后再去学习相应的知识。
嗯，大概就这些吧。希望这些建议对你有帮助。记住，读书是为了学习，学习是为了解决问题。别忘了思考和实践！
本文由用户 大王 上传分享，若内容存在侵权，请联系我们（点这里联系）处理。如若转载，请注明出处：http://www.365yunshebao.com/book/5558.html
