云计算学什么编程语言，现如今计算机行业学什么语言和技术方向最吃香？
计算机行业学Python语言最流行。
为什么Python成为最流行的语言?
当前互联网对于拥有专业技能的人才或新兴的人工智能、大数据、区块链方向的技术人员缺口是很大的，而Python 已经是数据分析和 AI的第一语言，网络攻防的第一黑客语言，正在成为编程入门教学的第一语言，云计算系统管理第一语言，也成为Web 开发、游戏脚本、计算机视觉、物联网管理和机器人开发的主流语言之一，随着 Python 用户可以预期的增长，它还有机会在多个领域里登顶，所以python是一门很有前景的开发语言。
Python起源于一种脚本语言，用于科学计算，如今是越来越流行起来，向Web和商业等技术领域不断地渗透。这些技术领域可是由一些大公司(Java，C#，C++)在背后推动，有大量的资金支持。
同样的，在web方面，PHP和Ruby也名噪一时。
而以开发工程师的角度看来，Python 的优雅和简洁无疑是最大的吸引力。
对于运维工程师而言，用 Python 替代让人痛苦的 Shell，做一些复杂的任务，可以说是一种解放。不会Python的运维工程师，很有可能就会被淘汰。
下面着重介绍一些重点方面。
Python, 是一种面向对象的解释型计算机程序设计语言。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
主要方向
1、爬虫
爬虫，即网络爬虫，大家可以理解为在网络上爬行的一直蜘蛛，互联网就比作一张大网，而爬虫便是在这张网上爬来爬去的蜘蛛咯，如果它遇到资源，那么它就会抓取下来。
2、人工智能方向
这是python的热门方向，现在各家大公司都为python提供了在人工智能方面的解决方案。包括facebook和谷歌，下面来介绍一下这两大公司的方案：
TensorFlow
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于语音识别或图像识别等多项机器学习和深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可 在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源，任何人都可以用。
Caffe2
一个兼具表现力、速度和模块性的开源深度学习框架。它沿袭了大量的 Caffe 设计，可解决多年来在 Caffe 的使用和部署之中发现的瓶颈问题。最终，Caffe2 打开了算法实验和新产品的大门。通过在内部用于各种深度学习和增强现实任务，Caffe2 已经在 Facebook 对于规模和性能的需求上得到了锻造。
3、应用开发方向，python也可以写业务，写web，我身边就有专门用python写api的人才。当初微信清理僵尸好友功能很火爆，其底层就是python写的web交互。
现在，全世界差不多有600多种编程语言，但流行的编程语言也就那么20来种。TIOBE编程社区指数是流行编程语言的一个指标。该指数每月更新一次。该评级是基于世界各地熟练工程师的数量，课程和第三方供应商。热门搜索引擎，如谷歌，必应，雅虎！维基百科、Amazon、YouTube和百度等等用来计算比率的。
Python发展前景如何?
发展前景一：Linux运维
Linux运维是必须而且一定要掌握Python语言，Python是一门非常NB的编程语言，它可以满足Linux运维工程师的工作需求提升效率，总而提升自己的能力，运维工程师需要自己独立开发一个完整的自动化系统时，这个时候才是真正价值的体现，才能证明自身的能力，让老板重视。
发展前景二：Python Web网站工程师
我们都知道Web一直都是不可忽视的存在，我们离不开网络，离不开Web，利用Python的框架可以做网站，而且都是一些精美的前端界面，还有我们需要掌握一些数据的应用。
发展前景三：Python自动化测试
大家都知道，就是Python语言对测试的帮助是非常大的，自动化测试中Python语言的用途很广，可以说Python太强大，掌握和熟悉自动化的流程，方法和我们总使用的各个模板，到现在为止，我了解的Python使用最多的应该是自动化测试。
发展前景四：数据分析
我们都知道现在来临了大数据的时代，数据可以说明一切问题的原因，现在很多做数据分析的不是原来那么简单，Python语言成为了做数据分析师的第一首选，它同时可以给工作带来很大的效率。
发展前景五：人工智能
我们都知道谷歌制作出了的机器人战胜了一个围棋大师，这个就是目前刚出头的人工智能，当然我们的人工智能时代还没有到来，如果这天来了，生活和世界将会发生翻天覆地的变化，而且现在发展这么快，人工智能的时代不会太远。
以上就是目前比较好的几个Python的发展规划和前景，如果你担心学不好编程，请你来学习Python，关于python值不值得学?
Python没有非常强势的问题，但是它简单的语言结构应用非常广泛，我们不用学习无比艰难的JAVA，Python是最好的选择，无论上述你选择哪个方向，都是不会错的。
我们来看看市场关于的python岗位，薪资待遇和技能要求 。
大致岗位有：
python开发工程师（10k-20K）
python运维开发工程师（15k-20K）
python高级开发工程师（15k-30K）
python大数据工程师（15K-30K）
python机器学习工程师（15k-30K）
python架构师（20k-40k）
目前热门的岗位有：
python开发工程师
python数据分析工程师
python运维工程师
总结
而有可能向 Python 发起挑战的，现阶段只能是Java。Java 的使用开发者巨大，它本身也是一种战略定位清晰而且非常坚定的开发语言，而且得到了大厂商的支持。
在AI这个方向 Java 的机会比Python小，因为它本质上是为构造大型复杂系统而设计的。
而 AI 的本质是一个自学习、自组织的系统，其规模和复杂性是在一个数学模型下用数据去培训成长起来的，主要是通过调整模型参数进行优化。
显而易见，Java的优势和语言结构对于大数据的处理和 AI 系统的开发显得使不上劲，你强的方面用在这个方向不合适，这里需要的东西你做起来又别扭。
而 Python 在数据处理方面的简洁强悍早就尽人皆知。对比两个功能相同的 Java 和 Python 机器学习程序，开发者只要稍加研究就可以得到结果。
Python 在网络爬虫、数据挖掘、人工智能、机器学习、Web开发、金融、运维、测试等多个领域都有不俗的表现，从来没有哪一种语言可以同时在这么多领域大显身手。Google、Instagram、Dropbox、Youtube、Reddit、Quora 这些企业都在用Python做核心业务。从Google Trands 看得出它一直处于平稳的趋势，这两年上升趋势比较明显，显然主要贡献来自于中国。它是数据科学中最流行的语言之一，仅次于R语言。它也被用于机器学习和人工智能系统以及各种现代科学技术。Python它已经存在了相当长的一段时间，有大量的文档、指南、教程等等，且有着大量的库。
近日连高中阶段即将在《信息技术》课程中加入python了，你说火不火？
大数据云计算人工智能VS普通程序员？
这个就要根据你的实际情况与你的兴趣来决定了。虽然说大数据、人工智能非常的火热，但是没有一定的基础以及对技术的热情，也很难在这个行业扎根下来。
如果条件合适的话，建议学习大数据、人工智能这一块，在这一行业选择一个更具体化的方向深入进去，不仅有目的有方向的学习，而且能有更好的成绩。
建议从大数据方面入手，做数据的分析与处理，对数据进行清洗、处理、分析，构建知识图谱等，数据是人工智能的基石，有了数据铺垫后，人工智能、云计算等学习起来就会轻松很多。
大数据在最近几年，跟谁着人工智能的浪潮，确实挺火的，尤其是2017年，发展大数据产业被写入政府工作报告中，大数据开始出现在企业战略以及政府的规划之中，可以说是互联网世界的宠儿。不过要学习好大数据，还是需要很多的基础知识的学习的。
1、熟悉Linux开发环境，熟悉Shell命令，这对于大数据的运维非常的重要2、熟悉Java、python、scala语言（至少一种），尤其是python语言，集成了大量的库，用于对数据的分析与处理3、具备较丰富的基于Hadoop、Map Reduce、Yarn、Storm、Spark、Hive、Hbase、kafka、Flume、HDFS、Spark Streaming等的大数据处理项目经验。一、大数据就业前景
《大数据人才报告》指出,目前全国的大数据人才仅46万,未来3-5年内将会出现高达150万的大数据人才的缺口。
《2016年中国互联网最热职位人才报告》显示，当下中国互联网行业需求最多的六类人才职位为研发工程师、产品经理、人力资源、市场营销、运营和数据分析。其中需求量最大的是研发工程师，而最为稀缺的是数据分析人才。领英报告表明，高度稀缺的是数据分析人才，其供给指数最低，仅为0.05，。并且其才跳槽速度也最快，平均跳槽速度为19.8个月。
根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将高达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。
二、大数据就业方向
1. Hadoop大数据开发方向
市场需求旺盛，大数据培训的主体，目前IT培训机构的重点
对应岗位：大数据开发工程师、爬虫工程师、数据分析师 等
2. 数据挖掘、数据分析&机器学习方向
学习起点高、难度大，市面上只有很少的培训机构在做。
对应岗位：数据科学家、数据挖掘工程师、机器学习工程师等
3. 大数据运维&云计算方向
市场需求中等，更偏向于Linux、云计算学科
对应岗位：大数据运维工程师
三、就业薪资
大数据和云计算有什么不同？
这是一个非常好的问题，作为一名IT领域的科研教育工作者，我来回答一下。
首先，大数据和云计算未来在工业互联网时代都将发挥出越来越重要的作用，所以当前不论是选择学习大数据还是云计算，未来的发展空间都比较大。
从技术体系结构上来看，大数据和云计算都以分布式存储和分布式计算为基础，只不过各自的关注点有所不同，大数据的关注点在于数据的价值化，而云计算的关注点则在于为用户提供算力服务，根据不同用户的需求，云计算能够提供IaaS、PaaS和SaaS三大类服务。
大数据的技术体系紧紧围绕数据的价值化来展开，包括数据采集、数据分析、数据应用和数据安全等等，涉及到的岗位主要包括大数据开发岗位、大数据分析岗位和大数据运维岗位，目前这些岗位的岗位附加值还是比较高的。
大数据开发岗位需要重点学习编程语言知识和大数据平台知识，而大数据分析岗位则需要重点学习统计学知识和机器学习知识，所以如果数学基础比较扎实，可以重点考虑一下大数据领域的相关岗位。
云计算当前的落地应用情况还是比较不错的，很多企业都是借助于云计算来打开工业互联网的大门，当前云计算也逐渐开始从IaaS向PaaS和SaaS覆盖，云计算的全栈化和智能化将是一个比较明显的发展趋势。
从岗位需求情况来看，云计算未来的岗位需求潜力依然非常大，未来云计算与行业领域的结合会释放出大量的创新点，所以当前学习云计算相关技术也是不错的选择。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！
spark大数据用什么语言？
第一阶段：熟练的掌握Scala语言
1，Spark框架是采用Scala语言编写的，精致而优雅。要想成为Spark高手，你就必须阅读Spark的源代码，就必须掌握Scala,;
2，虽然说现在的Spark可以采用多语言Java、Python等进行应用程序开发，但是最快速的和支持最好的开发API依然并将永远是Scala方式的API，所以你必须掌握Scala来编写复杂的和高性能的Spark分布式程序;
3，尤其要熟练掌握Scala的trait、apply、函数式编程、泛型、逆变与协变等;
第二阶段：精通Spark平台本身提供给开发者API
1，掌握Spark中面向RDD的开发模式，掌握各种transformation和action函数的使用;
2，掌握Spark中的宽依赖和窄依赖以及lineage机制;
3，掌握RDD的计算流程，例如Stage的划分、Spark应用程序提交给集群的基本过程和Worker节点基础的工作原理等
第三阶段：深入Spark内核
此阶段主要是通过Spark框架的源码研读来深入Spark内核部分：
1，通过源码掌握Spark的任务提交过程;
2，通过源码掌握Spark集群的任务调度;
3，尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节;
第四阶级:掌握基于Spark上的核心框架的使用
Spark
作为云计算大数据时代的集大成者，在实时流处理、图技术、机器学习、NoSQL查询等方面具有显著的优势，我们使用Spark的时候大部分时间都是在使用其上的框架例如Shark、Spark Streaming等：
1， Spark Streaming是非常出色的实时流处理框架，要掌握其DStream、transformation和checkpoint等;
2， Spark的离线统计分析功能，Spark 1.0.0版本在Shark的基础上推出了Spark SQL，离线统计分析的功能的效率有显著的提升，需要重点掌握;
3，对于Spark的机器学习和GraphX等要掌握其原理和用法;
第五阶级:做商业级别的Spark项目
通过一个完整的具有代表性的Spark项目来贯穿Spark的方方面面，包括项目的架构设计、用到的技术的剖析、开发实现、运维等，完整掌握其中的每一个阶段和细节，这样就可以让您以后可以从容面对绝大多数Spark项目。
第六阶级：提供Spark解决方案
1，彻底掌握Spark框架源码的每一个细节;
2，根据不同的业务场景的需要提供Spark在不同场景的下的解决方案;
3，根据实际需要，在Spark框架基础上进行二次开发，打造自己的Spark框架。
有关大数据云计算的书籍有哪些？
首先大数据云计算有两个大的从业方向，
一是开发方向
二是运维方向
开发方向推荐书籍：
入门级书籍(适合零基础学习人员)
《大话云计算》
本书是一本关于云计算的幽默科普读物，内容涉及云计算的方方面面。从云计算的产生背景、发展历史、基本概念、关键技术，到云计算的困境、未来、应用领域，再到国内外云计算的发展现状。
本书始终紧紧围绕着云计算发展前沿的热点问题，比较全面、通俗地介绍了云计算的基础理论和应用实践的最新成果。本书使用大量的漫画、故事、笑话、网络流行语、相声小品台词等生动风趣的语言，采取比喻、夸张、排比、拟人等多种表现手法，以独特的视角深入浅出地为大家解读了云计算的特点、原理和应用，通过大量实例和漫画式插图来帮助读者理解晦涩、枯燥的技术，向读者诠释了云计算技术的巨大魅力，为初学者打开了一扇深入学习云计算技术的大门。
进阶级书籍
《Hadooop权威指南 第四版》
这个阶段需要读者具有一定的编程基础！
提升级书籍
《Hive编程指南》
《Spark快速数据处理》
《Storm技术内幕与大数据实践》
该阶段读者应该具有一定大数据开发能力！
运维方向推荐书籍：
目前主流大数据平台绝大多数是运行于linux服务器上，所以需要大数据运维从业者掌握linux服务器技术、Redis数据库技术、python自动运维技术等
个人拙见，希望能对题主提供帮助，本人目前从事大数据实施及运维，希望大家互相交流！
