做Java开发都需要学什么怎么学
以下介绍的课程主要针对零基础大数据工程师每个阶段进行通俗易懂简易介绍，方面大家更好的了解大数据学习课程。课程框架是科多大数据的零基础大数据工程师课程。
一、第一阶段：静态网页基础(HTMLCSS)
1.难易程度：一颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：html常用标签、CSS常见布局、样式、定位等、静态页面的设计制作方式等
4.描述如下：
从技术层面来说，该阶段使用的技术代码很简单、易于学习、方便理解。从后期课程层来说，因为我们重点是大数据，但前期需要锻炼编程技术与思维。经过我们多年开发和授课的项目经理分析，满足这两点，目前市场上最好理解和掌握的技术是J2EE，但J2EE又离不开页面技术。所以第一阶段我们的重点是页面技术。采用市场上主流的HTMlCSS。
二、第二阶段：JavaSEJavaWeb
1.难易程度：两颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：java基础语法、java面向对象(类、对象、封装、继承、多态、抽象类、接口、常见类、内部类、常见修饰符等)、异常、集合、文件、IO、MYSQL(基本SQL语句操作、多表查询、子查询、存储过程、事务、分布式事务)JDBC、线程、反射、Socket编程、枚举、泛型、设计模式
4.描述如下：
称为Java基础，由浅入深的技术点、真实商业项目模块分析、多种存储方式的设计
与实现。该阶段是前四个阶段最最重要的阶段，因为后面所有阶段的都要基于此阶段，也是学习大数据紧密度最高的阶段。本阶段将第一次接触团队开发、产出具有前后台(第一阶段技术第二阶段的技术综合应用)的真实项目。
三、第三阶段：前端框架
1.难易程序：两星
2.课时量(技术知识点阶段项目任务综合能力)：64课时
3.主要技术包括：Java、Jquery、注解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui
4.描述如下：
前两个阶段的基础上化静为动，可以实现让我们网页内容更加的丰富，当然如果从市场人员层面来说，有专业的前端设计人员，我们设计本阶段的目标在于前端的技术可以更直观的锻炼人的思维和设计能力。同时我们也将第二阶段的高级特性融入到本阶段。使学习者更上一层楼。
四、第四阶段：企业级开发框架
1.难易程序：三颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Hibernate、Spring、SpringMVC、log4jslf4j整合、myBatis、struts2、Shiro、redis、流程引擎activity，爬虫技术nutch,lucene，、Tomcat集群和热备、MySQL读写分离
4.描述如下：
如果将整个JAVA课程比作一个糕点店，那前面三个阶段可以做出一个武大郎烧饼(因为是纯手工-太麻烦)，而学习框架是可以开一个星巴克(高科技设备-省时省力)。从J2EE开发工程师的任职要求来说，该阶段所用到的技术是必须掌握，而我们所授的课程是高于市场(市场上主流三大框架，我们进行七大框架技术传授)、而且有真实的商业项目驱动。需求文档、概要设计、详细设计、源码测试、部署、安装手册等都会进行讲解。
五、第五阶段：初识大数据
1.难易程度：三颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：大数据前篇(什么是大数据，应用场景，如何学习大数据库，虚拟机概念和安装等)、Linux常见命令(文件管理、系统管理、磁盘管理)、LinuxShell编程(SHELL变量、循环控制、应用)、Hadoop入门(Hadoop组成、单机版环境、目录结构、HDFS界面、MR界面、简单的SHELL、java访问hadoop)、HDFS(简介、SHELL、IDEA开发工具使用、全分布式集群搭建)、MapRece应用(中间计算过程、Java操作MapRece、程序运行、日志监控)、Hadoop高级应用(YARN框架介绍、配置项与优化、CDH简介、环境搭建)、扩展(MAP端优化，COMBINER使用方法见,TOPK,SQOOP导出,其它虚拟机VM的快照,权限管理命令,AWK与SED命令)
4.描述如下：
该阶段设计是为了让新人能够对大数据有一个相对的大概念怎么相对呢?在前置课程JAVA的学习过后能够理解程序在单机的电脑上是如何运行的。现在，大数据呢?大数据是将程序运行在大规模机器的集群中处理。大数据当然是要处理数据，所以同样，数据的存储从单机存储变为多机器大规模的集群存储。
(你问我什么是集群?好，我有一大锅饭，我一个人可以吃完，但是要很久，现在我叫大家一起吃。一个人的时候叫人，人多了呢?是不是叫人群啊!)
那么大数据可以初略的分为：大数据存储和大数据处理所以在这个阶段中呢，我们课程设计了大数据的标准：HADOOP大数据的运行呢并不是在咋们经常使用的WINDOWS7或者W10上面，而是现在使用最广泛的系统：LINUX。
六、第六阶段：大数据数据库
1.难易程度：四颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Hive入门(Hive简介、Hive使用场景、环境搭建、架构说明、工作机制)、HiveShell编程(建表、查询语句、分区与分桶、索引管理和视图)、Hive高级应用(DISTINCT实现、groupby、join、sql转化原理、java编程、配置和优化)、hbase入门、HbaseSHELL编程(DDL、DML、Java操作建表、查询、压缩、过滤器)、细说Hbase模块(REGION、HREGIONSERVER、HMASTER、ZOOKEEPER简介、ZOOKEEPER配置、Hbase与Zookeeper集成)、HBASE高级特性(读写流程、数据模型、模式设计读写热点、优化与配置)
4.描述如下：
该阶段设计是为了让大家在理解大数据如何处理大规模的数据的同时。简化咋们的编写程序时间，同时提高读取速度。
怎么简化呢?在第一阶段中，如果需要进行复杂的业务关联与数据挖掘，自行编写MR程序是非常繁杂的。所以在这一阶段中我们引入了HIVE，大数据中的数据仓库。这里有一个关键字，数据仓库。我知道你要问我，所以我先说，数据仓库呢用来做数据挖掘分析的，通常是一个超大的数据中心，存储这些数据的呢，一般为ORACLE,DB2,等大型数据库，这些数据库通常用作实时的在线业务。
总之，要基于数据仓库分析数据呢速度是相对较慢的。但是方便在于只要熟悉SQL，学习起来相对简单，而HIVE呢就是这样一种工具，基于大数据的SQL查询工具，这一阶段呢还包括HBASE，它为大数据里面的数据库。纳闷了，不是学了一种叫做HIVE的数据“仓库”了么?HIVE是基于MR的所以查询起来相当慢，HBASE呢基于大数据可以做到实时的数据查询。一个主分析，另一个主查询
七、第七阶段：实时数据采集
1.难易程序：四颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：Flume日志采集，KAFKA入门(消息队列、应用场景、集群搭建)、KAFKA详解(分区、主题、接受者、发送者、与ZOOKEEPER集成、Shell开发、Shell调试)、KAFKA高级使用(java开发、主要配置、优化项目)、数据可视化(图形与图表介绍、CHARTS工具分类、柱状图与饼图、3D图与地图)、STORM入门(设计思想、应用场景、处理过程、集群安装)、STROM开发(STROMMVN开发、编写STORM本地程序)、STORM进阶(java开发、主要配置、优化项目)、KAFKA异步发送与批量发送时效，KAFKA全局消息有序，STORM多并发优化
4.描述如下：
前面的阶段数据来源是基于已经存在的大规模数据集来做的，数据处理与分析过后的结果是存在一定延时的，通常处理的数据为前一天的数据。
举例场景：网站防盗链，客户账户异常，实时征信，遇到这些场景基于前一天的数据分析出来过后呢?是否太晚了。所以在本阶段中我们引入了实时的数据采集与分析。主要包括了：FLUME实时数据采集，采集的来源支持非常广泛，KAFKA数据数据接收与发送，STORM实时数据处理，数据处理秒级别
八、第八阶段：SPARK数据分析
1.难易程序：五颗星
2.课时量(技术知识点阶段项目任务综合能力)
3.主要技术包括：SCALA入门(数据类型、运算符、控制语句、基础函数)、SCALA进阶(数据结构、类、对象、特质、模式匹配、正则表达式)、SCALA高级使用(高阶函数、科里函数、偏函数、尾迭代、自带高阶函数等)、SPARK入门(环境搭建、基础结构、运行模式)、Spark数据集与编程模型、SPARKSQL、SPARK进阶(DATAFRAME、DATASET、SPARKSTREAMING原理、SPARKSTREAMING支持源、集成KAFKA与SOCKET、编程模型)、SPARK高级编程(Spark-GraphX、Spark-Mllib机器学习)、SPARK高级应用(系统架构、主要配置和性能优化、故障与阶段恢复)、SPARKMLKMEANS算法，SCALA隐式转化高级特性
4.描述如下：
同样先说前面的阶段，主要是第一阶段。HADOOP呢在分析速度上基于MR的大规模数据集相对来说还是挺慢的，包括机器学习，人工智能等。而且不适合做迭代计算。SPARK呢在分析上是作为MR的替代产品，怎么替代呢?先说他们的运行机制，HADOOP基于磁盘存储分析，而SPARK基于内存分析。我这么说你可能不懂，再形象一点，就像你要坐火车从北京到上海，MR就是绿皮火车，而SPARK是高铁或者磁悬浮。而SPARK呢是基于SCALA语言开发的，当然对SCALA支持最好，所以课程中先学习SCALA开发语言。
在科多大数据课程的设计方面，市面上的职位要求技术，基本全覆盖。而且并不是单纯的为了覆盖职位要求，而是本身课程从前到后就是一个完整的大数据项目流程，一环扣一环。
比如从历史数据的存储，分析(HADOOP,HIVE,HBASE)，到实时的数据存储(FLUME,KAFKA)，分析(STORM,SPARK)，这些在真实的项目中都是相互依赖存在的。
绛旓細鍦ㄥ涔燡ava涔嬪墠瑕佸厛浜嗚В璁＄畻鏈哄熀纭鐭ヨ瘑锛岀劧鍚庡啀瀛︿範Java锛屽悓鏃朵篃瑕佺啛鐭OS甯哥敤鍛戒护銆丣ava姒傝堪銆丣DK鐜瀹夎閰嶇疆銆佺幆澧冨彉閲忛厤缃紝褰揓DK鍜岀幆澧冨彉閲忛厤缃畬姣曞悗锛屼綘渚垮彲浠ョ紪鍐橨ava绋嬪簭銆02 缂栫▼鏍煎紡 姝ゆ椂浣犻渶瑕佷簡瑙ｇ紪绋嬬殑鍏蜂綋娴佺▼锛屽湪寮鍙戣繃绋嬩腑瑕佹枃瀛椻滄敞閲娾濓紝涔熻鎺屾彙鈥滃叧閿瘝鈥濈殑浣跨敤鏃舵敞鎰忎簨椤癸紝瀵光滄爣璇嗙銆...
绛旓細Java寮鍙戝伐绋嬪笀闇瑕佸涔犵殑涓昏鍐呭鏈夛細Java缂栫▼璇█鍩虹銆侀潰鍚戝璞＄紪绋嬨佹暟鎹簱鎶鏈乄eb寮鍙戞妧鏈佹鏋舵妧鏈佹暟鎹粨鏋勫強绠楁硶绛銆1. Java缂栫▼璇█鍩虹銆傝繖鏄疛ava寮鍙戝伐绋嬪笀蹇呴』鎺屾彙鐨勬牳蹇冩妧鑳姐傚寘鎷帉鎻ava鐨勫熀鏈娉曘佹暟鎹被鍨嬨佽繍绠楃銆佹祦绋嬫帶鍒剁瓑銆2. 闈㈠悜瀵硅薄缂栫▼銆侸ava鏄竴绉嶉潰鍚戝璞＄殑缂栫▼璇█锛屽洜姝ゅ紑...
绛旓細瀛︿範Java闇瑕佺啛鎮夋爣鍑嗗簱涓父鐢ㄧ殑绫诲拰鏂规硶锛屽瀛楃涓插鐞嗐侀泦鍚堟鏋躲両O鎿嶄綔绛銆傜啛缁冩帉鎻ava鏍囧噯搴撶殑浣跨敤锛岃兘澶熸彁楂樺紑鍙戞晥鐜囧拰浠ｇ爜璐ㄩ噺銆4. 鏁版嵁搴撶紪绋锛氬湪瀹為檯搴旂敤涓紝Java缁忓父涓庢暟鎹簱杩涜浜や簰锛屽涔燡ava闇瑕佷簡瑙ｆ暟鎹簱缂栫▼鐨勫熀鏈師鐞嗗拰鎶鏈紝鍖呮嫭SQL璇彞鐨勭紪鍐欍佽繛鎺ユ暟鎹簱銆佹墽琛屾煡璇㈠拰鏇存柊鎿嶄綔绛夈傜啛缁冩帉鎻...
绛旓細鏁版嵁缁撴瀯涓庣畻娉曪細鎺屾彙甯哥敤鐨勬暟鎹粨鏋勫鏁扮粍銆侀摼琛ㄣ佹爤銆侀槦鍒椾互鍙婂熀鏈殑绠楁硶璁捐鍜屽垎鏋銆Java鏍稿績搴锛氱啛鎮塉ava鐨勬牳蹇冨簱锛屽闆嗗悎妗嗘灦銆両O銆佸绾跨▼銆佸紓甯稿鐞嗙瓑銆傛暟鎹簱缂栫▼锛氬涔犲浣曚娇鐢↗DBC杩炴帴鏁版嵁搴擄紝鎵цSQL鏌ヨ鍜屾洿鏂版搷浣溿俉eb寮鍙戯細浜嗚ВJavaWeb寮鍙戯紝鍖呮嫭Servlet銆丣SP銆丼pring妗嗘灦绛夈鍓嶇鎶鏈锛氭帉鎻″墠绔妧...
绛旓細6銆佸涔犲浣曚娇鐢ㄥ強绠＄悊WEB鏈嶅姟鍣锛屼緥濡倀omcat锛屽苟涓旂煡閬撳浣曞湪鍏跺熀纭涓婃墿灞曞拰缁存姢WEB绋嬪簭锛屽浣曚娇鐢ㄥ畠鐨勯檮鍔犳湇鍔★紝濡傝繛鎺ユ睜锛7銆JSP 銆丼ervlet锛岃繖涓や釜鏄垵绾ava绋嬪簭鍛樺繀椤绘帉鎻＄殑鍩烘湰鎶鑳斤紝鏄墍鏈塀/S缁撴瀯妗嗘灦鐨勫熀纭锛8銆佷紒涓氭祦琛屾鏋讹細Struts銆丼pring銆丠ibernate銆乆ML搴旂敤涓庡紑鍙戙丮VC搴旂敤涓庡紑鍙戙丩inux骞冲彴涓...
绛旓細1. Java鍩虹鐭ヨ瘑锛氬寘鎷琂ava璇█鐨勫熀鏈娉曘闈㈠悜瀵硅薄缂栫▼銆佸紓甯稿鐞嗐佹硾鍨嬨侀泦鍚堟鏋躲佽緭鍏ヨ緭鍑虹瓑鐭ヨ瘑鐐广2. 鏁版嵁搴擄細闇瑕佸涔燬QL璇█浠ュ強鍏崇郴鍨嬫暟鎹簱鐨勮璁′笌浼樺寲锛屾帉鎻℃暟鎹簱杩炴帴姹犮佷簨鍔＄瓑鎿嶄綔銆3. Web寮鍙戯細浜嗚ВHTTP鍗忚銆鍓嶇鎶鏈锛圚TML銆丆SS銆丣avaScript锛夛紝骞跺涔犱娇鐢ㄥ父鐢ㄧ殑Web妗嗘灦濡係pring銆丼pring...
绛旓細1銆JavaSE锛欽avaSE鏄熀纭锛屼富瑕瀛︿範鐨勫唴瀹规湁鍩烘湰璇硶銆佹暟鎹被鍨嬨侀潰鍚戝璞°佸父鐢ˋPI銆佺嚎绋嬩笌骞跺彂銆佺綉缁滅紪绋嬬瓑绛夈2銆佹暟鎹簱锛氭暟鎹簱涓昏瀛︿範鐨勫唴瀹规湁鏁版嵁搴撶殑瀹夎涓庤繛鎺ャ佽〃銆佸父鐢ㄥ嚱鏁般佽仛闆嗗嚱鏁般佸閿瓑銆3銆丣DBC锛欽DBC涓昏瀛︿範鐨勫唴瀹规湁鑾峰彇鏁版嵁搴撹繛鎺ャ丄pache-DBUtils瀹炵幇CRUD鎿嶄綔銆佽繛鎺ユ睜銆丳reparedState...
绛旓細java鍚庣寮鍙戦渶瑕佸鐨勫唴瀹瑰涓嬶細1銆侀潰鍚戝璞＄殑鐭ヨ瘑 java鏄竴绉嶉潰鍚戝璞＄殑寮鍙戣瑷锛屽洜姝ょ啛鎮夐潰鍚戝璞″瀛︿範java寰堟湁蹇呰锛屼綘闇瑕佷簡瑙ｏ細浠涔鏄璞★紝浠涔堟槸绫伙紝浠涔堟槸灏佽锛屼粈涔堟槸澶氭侊紝浠涔堟槸缁ф壙锛屼粈涔堟槸鎶借薄绫伙紝浠涔堟槸鎺ュ彛銆傜悊瑙ｄ互涓婃蹇靛悗锛岃繕闇瑕佺煡閬撹繖浜涙蹇垫槸濡備綍浣撶幇鐨勶紝濡傜被鍜屽璞℃湁浠涔堝尯鍒?绫绘槸...
绛旓細java杞欢寮鍙戦渶瑕佸浠涔堬紵璁╂垜浠竴璧蜂簡瑙ｄ竴涓嬪惂锛1銆佸涔犱娇鐢↗ava/.NET璇█寮鍙慦eb搴旂敤锛岀啛鎮変富娴佹妧鏈鏋讹紝鍩瑰吇鏈夎壇濂界殑缂栫▼涔犳儻锛2銆佸涔犲父鐢ㄧ殑鍏崇郴鍨嬫暟鎹簱浜у搧锛圡ySQL銆丱racle锛夛紝骞跺浼氫娇鐢⊿QL鍜孭L/SQL杩涜鏁版嵁搴撶紪绋锛3銆佸涔燞TML銆乆ML銆丣avaScprit銆乤jax銆乄eb Servrice绛塛EB鎶鏈紱4銆佺啛鎮塋inux绯荤粺...
绛旓細1.Java缂栫▼璇█锛屽嵆璇硶銆2.Java鏂囦欢鏍煎紡锛屽嵆鍚勭鏂囦欢澶广佹枃浠剁殑鍚庣紑銆3.Java铏氭嫙鏈(JVM)锛屽嵆澶勭悊*.class鏂囦欢鐨勮В閲婂櫒銆4.Java搴旂敤绋嬪簭鎺ュ彛(JavaAPI)銆備簩銆侀浂鍩虹濡備綍瀛︿範Java寮鍙?闇瑕鎺屾彙鍝簺鎶鑳?鎺屾彙闈欐佹柟娉曞拰灞炴 闈欐佹柟娉曞拰灞炴х敤浜庢弿杩版煇涓绫诲璞＄兢浣撶殑鐗瑰緛锛岃屼笉鏄崟涓璞＄殑鐗瑰緛銆侸ava涓ぇ閲...
