打开浏览器输入“大数据学习路线”，结果刷出几十万条结果。你盯着屏幕发了十分钟呆，点开一个帖子收藏起来，又点开另一个视频加入稍后再看。关掉页面时脑子里只剩一个声音：“我想学习大数据，但从哪开始啊？”别急，我后台经常收到这样的留言，今天就帮你把这团乱麻理清楚。

先别急着收藏资料，这三个坑我替你踩了

　　第一个坑：跟风报高价课。有的朋友看别人朋友圈晒证书就慌了，掏两万块报了“零基础转行大数据工程师”培训班。结果上了两周课，连HDFS和MapReduce是啥都分不清。钱花了，信心没了。记住，先花一顿饭钱买本基础书看两周，确认自己能不能坐住冷板凳，再掏大钱不迟。

　　第二个坑：贪多求全。今天看到Hadoop火就啃《Hadoop权威指南》，明天听到Spark香就去装开发环境，后天又听说Flink才是未来。一个月下来硬盘里塞了十几个安装包，一个都没跑通。大数据入门最怕“什么都想学”，最后什么都学不扎实。你只需要盯住一条线：先把SQL玩熟，再把Python基础打牢，然后选一个计算框架死磕到底。

　　第三个坑光看不练。有的同学连《大数据技术原理与应用》都翻烂了，问他能不能手写一个WordCount，他说“原理我都懂，就是还没上手”。这不是学习，这是自我感动。大数据这东西，代码一行没敲过等于没学。哪怕你照着官网文档跑通一个最简单的示例，也比看三天书强。我想学习大数据，但我不想让它变成收藏夹里的吃灰链接——这句话你得刻在脑门上。

怎么学才算“学对”？倒推目标比看教程有用

　　别急着搜“大数据学习路线图”，先想清楚你学这玩意儿到底要干嘛。是做用户画像分析？还是建实时推荐系统？或者只是想转行拿个高薪offer？不同目的对应的技能树完全不同。打开招聘网站，输入“大数据分析师”或“大数据开发工程师”，把岗位要求里的技术关键词抄下来：SQL、Python、Hive、Spark、Flume、Kafka……然后一个一个去官网查，看每个工具能解决什么实际问题。比如SQL是用来查数据的，Python是用来做脚本清洗的，Spark是用来处理海量数据的。搞清楚功能，再按顺序排优先级。从最常用的那个开始学，一个月搞定一个，三个月就能跑通一个简单的ETL流程。

　　有的朋友可能会问：“我连招聘网站都不想打开，就想知道怎么入门。”那我直接告诉你最粗暴的方法：去GitHub找一个开源的大数据实战项目，比如电商用户行为分析，把代码下载下来跑一遍。遇到报错就去搜，搜不到就去Stack Overflow问。一个项目跑通，你至少能掌握数据采集、清洗、存储、计算、可视化这几个环节。这时候你再回头喊一句“我想学习大数据”，底气就足了。

　　最后说一句：别纠结工具版本是用Hadoop 2.x还是3.x，也别纠结Python用2还是3。技术文档两三年就更新一轮，但解决问题的思路十年不变。把“凭什么这样写”想明白，比记住一百个命令有用。路线图整理好了？关掉浏览器，打开编辑器，从第一行代码开始敲。敲不出来的地方去翻官方文档，那玩意儿最准。