基础阶段:Linux，Docker，KVM，MySQL Foundation，Oracle Foundation，MongoDB，redis。Hadoop: Hadoop: Hadoop概念，版本，历史，HDFS工作原理，纱线介绍，组件介绍。大数据存储阶段:hbase，hive，sqoop。大数据架构设计阶段:Flume distributed，Zookeeper，Kafka。
5、大数据的处理流程包括了哪些环节处理大数据的四个步骤:采集:原始数据种类繁多，格式、位置、存储、时效都不尽相同。数据收集从异构数据源收集数据，并将其转换为相应的格式以便于处理。存储:采集到的数据需要根据成本、格式、查询和业务逻辑的要求存储在合适的存储中，以便于进一步分析。变形:需要对原始数据进行变形和增强，才适合分析，比如在web日志中用省市替换IP地址，传感器数据的纠错，用户行为统计等。
6、数据处理方式什么是bigdata？大数据是指在一定时间内，常规软件工具无法捕捉、管理和处理的数据集合。它是一种海量、高增长、多元化的信息资产，需要新的处理模式来拥有更强的决策、洞察和流程优化能力。大数据的5V特征:体量(海量)、速度(高速)、多样性(多样性)、价值(低价值密度)、真实性(真实性)，百度随便就能找到。
搭建数据仓库，数据采集就是通过前端埋数据，通过接口日志调用流数据，抓取数据库，客户自己上传数据，保存这些基础信息数据的各种维度，感觉有些数据没用(刚开始只想着函数，有些数据没采集到，后来被老板骂了一顿)。2.数据清洗/预处理:对接收到的数据进行简单的处理，比如将ip转换成地址，过滤掉脏数据。
7、数据分析:大数据处理的基本流程(三01什么是数据分析随着数字化的快速发展，越来越多的企业在面对日益激烈的竞争、差异化的市场和多变的环境时，往往会面临各种各样的困难，对数据的依赖程度越来越高。分析的本质是让业务更清晰，决策更高效。数据分析作为产生大数据价值的必要步骤，也是整个大数据处理过程的核心，在企业中发挥着越来越重要的作用。说白了，数据分析的目的就是把隐藏在大量看似杂乱无章的数据中的信息浓缩提取出来，加以总结、理解和消化，以最大限度地发挥数据的作用，从而找出所研究对象的内在规律，充分发挥数据的作用。
8、“大数据”时代下如何处理数据?现在科技发达，很多复杂的事情用一个小小的工具就能做好。我们也应该在科技的进步中进步，适应社会的发展，跟上时代，学习先进的工具，这些都会简化我们的生活。你还在等什么更方便的方法来对付他们呢？工作中经常遇到统计。在过去，计算和整理数据需要很长时间。即使这是浪费时间，我也可能会错误地整理数据。如果交错了数据，会给你的公司造成损失。这种错误经常发生，不仅费时费力，而且是一件吃力不讨好的事情。
比如大数据怎么处理？大数据因为数据太多太复杂，很难计算和组织。不用担心他的麻烦，因为我们有Excel表格。这个表格包含了很多东西。大数据可以通过某种方法在几分钟内得到你的结果，而且更可靠，更准确。节省了宝贵的时间，让公司不会担心数据错误。学好Excel很重要。现在大学生将学习计算机应用的基础知识。在这本书里，你将学习如何做表格和如何做word。
9、大数据技术能处理实时数据吗?大数据就是从海量数据中提取有价值的信息，这个大家都知道。现在主要靠一个FineBI软件进行大数据分析，值得收藏一辈子，像Hadoop技术，大数据实时处理能力弱。但是，也有很多实时的大数据系统，比如国内永红科技的实时大数据BI。具体来说，底层技术，简单来说，按照永红科技的技术，有四个方面，实际上代表了一些通用的大数据底层技术:ZSuite具有高性能的大数据分析能力，她完全抛弃ScaleUp，全面支持ScaleOut。
