百度云服务器试用，大数据主要学习什么内容？
前言
要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就可以（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。
我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。
下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。
编程语言阶段学习如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。 JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。 还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就可以，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。 如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。 JavaSE可以说是很基础也很重要的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。 JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。
===========分割线，Scala可以后续Spark阶段再接触学习=============
Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很重要的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很重要的（至少要看得懂代码）。 Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。 也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。
大数据框架阶段学习大数据这方面的知识点自己可以说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。 刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。 来一张推荐系统架构的图，先看看
一般来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。
大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 - > Flink（ 如果需要学习Storm，在Spark前面学习）
一、Linux（基本操作）一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再强调一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。
二、Hadoop（重点中的重点）Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也可以说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。
三、ZookeeperZookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就可以了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。
四、Hive（重点）Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。
五、FlumeFlume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。
六、Kafka（重点）Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基本的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。
七、HBase（重点）HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也可以说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基本的API使用等。
八、Spark（重点中的重点）Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。 Spark的组成可以看下图
Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了可以说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。
九、Flink（重点中的重点）Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark可以说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。
项目阶段其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。 根据自己情况，选择两到三个项目重点跟着做，理解透彻一点
大数据项目实战某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。 相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）
书籍书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~） Java后端书架：
大数据书架：
大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。
最后大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就可以了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。 不管是从事什么样的计算机相关的岗位，编程都是很重要的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。 要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。
手机NFC是什么？
NFC（全称Near Field Communication 近场通信）
是一种新兴的技术，使用了NFC技术的设备（例如手机）可以在彼此靠近的情况下进行数据交换，是由非接触式射频识别（RFID）及互连互通技术整合演变而来的，通过在单一芯片上集成感应式读卡器、感应式卡片和点对点通信的功能，利用移动终端实现移动支付、电子票务、门禁、移动身份识别、防伪等应用。
哪些手机有NFC功能？定位中高端的手机一般都有NFC功能，比如小米、华为、OPPO、vivo、三星、苹果、魅族等，具体情况可以可以查询官网或者百度，或者您可以参考我的另一篇文章。
使用场景一、模拟公交卡（刷公交和地铁）
需要在小米、华为等品牌手机的钱包中开通公交卡功能，下面用小米手机举例，其他手机也是类似。
1.点击小米钱包
2.点击公交卡
3.点击立即开卡
4.点击开通京津冀互通卡 即可在全国大部分城市进行刷公交和坐地铁
二、可以用于充值实体公交卡
三、模拟门卡或者饭卡、水卡等等
1.还是点击进入小米钱包
2.点击模拟实体门卡
3.查看门卡是否能模拟，有些加密的无法模拟
4.把门卡放在手机背面读取数据，模拟成功后手机就是门卡
四、配合NFC相关贴纸实现各种小功能
1.例如手机碰一下小米或者华为笔记本的就可以互传数据。
2.配合小米碰碰贴可以一碰可以连接蓝牙音箱播放音乐、投影到电视等等功能
总结，NFC手机功能用处还是蛮多的，但是我们大多数是很少去用的，比如刷公交时大多数人习惯用微信和支付宝扫码，模拟门禁卡大多数人没有需求，模拟其他卡也不一定能成功，所以现在的NFC功能虽然标配但是真正离普及广泛使用还有很长的距离。所以除非特定需求，买手机也不一定得要有NFC功能。
怎样可以搜索百度网盘别人分享的资源？
一、网盘下载BT资源篇：如何利用速盘在百度网盘中创建BT任务。
网盘资源和BT资源是两个不相干的资源，以往使用BT下载资源时最为常用的工具便是迅雷。那么，能否利用网盘下载BT中的资源呢？答案是可以的。不过，使用网盘下载BT资源时需要借助“速盘”等网盘辅助工具，如此一来便可以实现网盘下载BT资源了。步骤如下：
1.运行速盘工具，“资源搜索”中输入资源名称，找到BT后点击下载，上图。
2.点击“下载”，在已完成列可以看到已下载完成的BT资源，右键可打开文件夹，上图，
3.点击“离线下载”，新建BT任务，选择并打开已下载的BT，任务生成后选择保存路径，此路径为百度网盘路径，点击“下载”，完成此步，上图。
4.“我的网盘”，找到上一步保存的路径，找到BT生成的网盘资源，点击下载设置保存路径，上图。
5.回到“下载”，可以查看正在下载中的资源。
值得一提的是，网盘下载资源时限速100KB/s是常期让人诟病的话题，当使用“速盘”下载网盘资源时，可以跳过限速下载的壁垒，全速下载各类资源，上图。
二、不登录百度账号即可下载网盘共享资源篇
网盘资源可以在另一种情况下不需要进行登录、不需要保存至“我的网盘”就可以分分钟下载你想要的资源了，并且不会受到限速影响。
具体步骤及需要的工具：“速盘”工具（自行度娘搜索）
1、打开速盘后会看到醒目位置有登录提示，不用理会直接点击上方工具栏第二个选项“资源搜索”，上图。
2、“资源搜索”的搜索框中输入任意关键词，点击搜索会看到有28个搜索结果，上图。
3、点击“搜索列表”中的链接跳转至网页版度盘，若是电影、视频类型的文件，可以查看画质是否高清，若是标清或更差的视频就可以PASS掉了，这个步骤可以确保你不会“白辛苦”的下载不满意的结果，上图。
4、返回“资源搜索”列表，点击资源右边下载图标，保存下载路径后即可，上图。
5、点击工具栏第三个“下载”，资源正在以每秒1MB的速度下载中，上图。
6、当资源下载文成，点击“已完成”，右键资源“打开文件夹”即可快速找到资源下载目录，上图。
以上就是不需要登录就可以下载网盘资源的步骤啦。
《速盘》独家黑科技：关于通过分享链接下载资源二次提速的技术。速盘解决了百度网盘限速的困扰，与此同时新增了二次加速的功能。
速盘独有的黑科技加速技术（具体原理不解释），不需要是百度网盘会员，也不需要登录网盘账号，就可以对下载进行二次加速。但不是每个下载任务都可以加速。
触发条件：
1，只能对分享链接加速；
2，只有当下载的文件超过1G才有几率触发加速。
PS：想要速盘，请私信我“速盘”哦~
开发一个百度小程序多少钱？
想要知道开发百度小程序需要多少钱，首先需要了解百度小程序的各项开发流程：代码开发、主体资质认证、内容填充上线等。
其中代码开发为成本最大项，尤其是因为百度作为小程序领域后来者，相对微信等来说开发成本得不到有效均摊，而主体资质认证需要300元费用，但通过熊掌号通道可予免除，此外小程序通过审核上线还需要填充相关内容，而这也需要一定的人工费。
那么不同的开发方式费用各多少？1、自己开发
以“最低配置”来算，开发一个百度小程序至少需要1个前端、1个UI、1个产品，外加美工和运营等，按照一个月的开发周期来算，仅人工薪资就要数万元，此外还需要自己解决服务器和域名备案等问题。
2、购买模板
模板一般有第三方开发平台提供，简单来说，你只需要出钱，就可以得到一个完整可用的小程序，并且可以享受定期技术更新和售后维护的权益，价格相对是最便宜的，但是因为服务器和维护是由平台提供的，所以每年还需要交一点服务费。
3、买断源码
源码是相对模板来说的，指的是直接将完整的小程序代码买断，一次付费终生使用，并且可二次开发，价格要比模板贵上几倍，但是也需要自己解决服务器等技术配置，因此并不适合大部分中小商家。
照片保存在哪里好？
自从手机开始普及并且越来越智能，越来越高级后，其中发展最快的应该是拍照吧，以前手机不能拍照时，都是去照相馆还得用胶卷的，拍照成本较高，虽然个人照片没有多少，也就留没有电子版的。
从手机摄像头像素越来越高后，我们可以随意的自拍，记录我们生活的点滴。但是既然是电子形式，存储就成为一个问题了。手机即使内存再大也是有限度的。那么我们换手机或预防手机丢了、坏了后怎么保证我们的照片还能被找到呢？
那么我们需要要借助网络存储了，目前使用较多的是QQ相册，以及上传的云平台、以及微信发的朋友圈都可以以另一种形式保存了照片。
那么哪种存储比较好呢?
QQ相册我们现在只有上网的人基本都有一个qq，QQ里面有个QQ相册的功能，可以建立各种文件夹，普通用户可以有30G的存储容量，升级VIP用户后可以永久保存。现在大多数网络用户应该都是有QQ的，不管是在电脑上还是手机上都可以登录和使用QQ，所以我们就可以随时查看相册的内容，并且可以设置开放程度，是供所有朋友查看，还是部分指定朋友以及不给别人查看几种。
而且QQ相册可以建立普通、亲子、旅游、校友四类，对应的有响应的配置比较方便我们查看。
比如上传亲子相册，会给你记录上传照片的拍摄时间，然后根据你设置宝宝的出生年月，自己给你汇总到宝宝是多大的照片，方便回忆。
微信微信没有像QQ那样有单独的相册给存储，但是可以以发朋友圈的形式保存我们的照片。因为这属于即使通信类，没有存储，所以不存在存储空间。
但是查看不方便，需要一条一条朋友圈的翻。同样也是可以设置分享给大众还是部分人或私密。
手机存储手机存储是源头，首先照片大多数都是手机拍摄的，我们首先存储在手机内，但是手机内存有限，一直存储会导致手机内存满了影响手机使用。并且如果更换手机、手机坏了或丢了就没有了。储存性质单一，存在不可恢复性。
当然我们存储时还可以借用移动存储终端，比如U盘或移动硬盘之类的。我的照片就首先放手机在，到一定数量时有的被上传的QQ空间，有的被传到移动终端了。
