在大数据技术逐渐在传统行业落地的过程中，大数据运维岗位的人才需求将不断扩大。从大数据领域的岗位分工来看，大数据开发、大数据分析、大数据运维等岗位的人才需求量较大。新手可以选择其中一个工作方向制定学习计划。我们所说的大数据培训和学习，一般是指大数据开发。
大数据在java、Linux云计算、python里是最难学的吗？
楼主的问题：我读了好几遍才明白什么意思：）个人认为：这4个在“难易”上没有可比性。这4块，如果从深度上来讲，都很难；如果只是入门来讲，又都不难，楼主要考虑的是：确定一个方向学习，因为你不可能全部都精通。技术专注一个方向，很重要！成为一个领域的专家，比什么都略懂，要好得多，我上面说的意思，就跟读书一样。
本科时期，什么都学，什么都是略懂，研究生期间，选择专业方向，开始向深处探索学习。博士时间，研究的方向更明确，更精确，但是在博士期间，你会发现，虽然你只在研究一个方向，但是你看待技术、看待专业的角度已经改变了，因为你的认知提升了了。因此，楼主首先要果断的确定一个方向，通过搜索了解一下这个方向未来学习的内容有哪些，未来的应用方向有哪些，然后制定计划开始执行吧，
大数据主要学习哪些内容？
先上一张大数据技术学习的必备技能图：入门学习需要掌握的基本技能：1、Java2、Linux命令3、HDFS4、MapReduce5、Hadoop6、Hive7、ZooKeeper8、HBase9、Redis10、Flume11、SSM12、Kafka13、Scala14、Spark15、MongoDB16、Python与数据分析等等。
我们所说的大数据培训学习，一般是指大数据开发，大数据开发需要学习的东西可以参考一下加米谷大数据培训0基础学习的课程，具体描述可见guan网：第一阶段：Java设计与编程思想第二阶段：Web前端开发第三阶段：JavaEE进阶第四阶段：大数据基础第五阶段：HDFS分布式文件系统第六阶段：MapReduce分布式计算模型第七阶段：Yarn分布式资源管理器第八阶段：Zookeeper分布式协调服务第九阶段：Hbase分布式数据库第十阶段：Hive分布式数据仓库第十一阶段：FlumeNG分布式数据采集系统第十二阶段：Sqoop大数据迁移系统第十三阶段：Scala大数据黄金语言第十四阶段：kafka分布式总线系统第十五阶段：SparkCore大数据计算基石第十六阶段：SparkSQL数据挖掘利器第十七阶段：SparkStreaming流失计算平台第十八阶段：SparkMllib机器学习平台第十九阶段：SparkGraphx图计算平台第二十阶段：大数据项目实战。
大数据、云计算行业是不是主要需要明白Linux，并掌握大量Linux知识？
谢邀;大数据工程师的技能要求必须技能10条:01.Java高级(虚拟机、并发)02.Linux基本操作03.Hadoop（此处为侠义概念单指HDFS MapReduce Yarn）04.HBase（JavaAPI操作 Phoenix）05.Hive(Hql基本操作和原理理解）06.Kafka07.Storm08.Scala需要09.Python10.Spark(Core sparksql Sparkstreaming）高阶技能6条:11.机器学习算法以及mahout库加MLlib12.R语言13.Lambda架构14.Kappa架构15.Kylin16.Aluxio，
大数据据说很难学，是不是呀，那我转行的能学会吗？
这是一个非常好的问题。作为一个IT从业者，一个教育工作者，我来回答一下。首先，大数据技术本身确实有一定的学习难度，通常要求学习者有一定的知识基础，主要涉及数学、统计学和计算机知识。另外，大数据还涉及经济学、社会学等一系列学科，所以大数据整体知识面还是比较大的。虽然大数据的技术体系庞大，但是大数据领域有很多细分领域，不同的岗位需要组织不同的知识结构。初学者可以根据自己的知识基础和能力特点来选择学习的切入点。
