主要分為 7 個階段：入門知識 → Java 基礎 → Scala 基礎 → Hadoop 技術模塊 → Hadoop 項目實戰 → Spark 技術模塊 → 大數據項目實戰。
階段壹：學習入門知識
這壹部分主要針對的是新手，在學習之前需要先掌握基本的數據庫知識。MySQL 是壹個 DBMS（數據庫管理系統），是最流行的關系型數據庫管理系統（關系數據庫，是建立在關系數據庫模型基礎上的數據庫，借助於集合代數等概念和方法來處理數據庫中的數據）。
MongoDB 是 IT 行業非常流行的壹種非關系型數據庫（NoSQL），其靈活的數據存儲方式備受當前 IT 從業人員的青睞。
而 Redis 是壹個開源、支持網絡、基於內存、鍵值對存儲數據庫。兩者都非常有必要了解。
1、Linux 基礎入門（新版）
2、Vim編輯器
3、Git 實戰教程
4、MySQL 基礎課程
5、MongoDB 基礎教程
6、Redis基礎教程?
階段二：Java基礎
Java 是目前使用最為廣泛的編程語言，它具有的眾多特性，特別適合作為大數據應用的開發語言。
Java 語言具有功能強大和簡單易用兩個特征，跨平臺應用能力比 C、C++ 更易用，更容易上手。同時還具有簡單性、面向對象、分布式、健壯性、安全性、平臺獨立與可移植性、多線程、動態性等特點。最重要的壹點是 Hadoop 是用 Java 編寫的。
1、Java編程語言（新版）
2、Java進階之設計模式
3、J2SE核心開發實戰
4、JDK 核心 API
5、JDBC 入門教程
6、Java 8 新特性指南
階段三：Scala基礎
Scala 是壹種多範式的編程語言，其設計的初衷是要集成面向對象編程和函數式編程的各種特性。由於 Scala 運行於 Java 平臺（Java 虛擬機），並兼容現有的Java 程序，所以 Scala 可以和大數據相關的基於 JVM 的系統很好的集成。
1、Scala 開發教程
2、Scala 專題教程 - Case Class和模式匹配
3、Scala 專題教程 - 隱式變換和隱式參數
4、Scala 專題教程 - 抽象成員
5、Scala 專題教程 - Extractor
6、Scala 開發二十四點遊戲
階段四：Hadoop技術模塊
Hadoop 是壹款支持數據密集型分布式應用並以 Apache 2.0 許可協議發布的開源軟件框架，它能搭建大型數據倉庫，PB 級別數據的存儲、處理、分析、統計等業務。編程語言妳可以選，但 Hadoop 壹定是大數據必學內容。
1、Hadoop入門進階課程
2、Hadoop部署及管理
3、HBASE 教程
4、Hadoop 分布式文件系統--導入和導出數據
5、使用 Flume 收集數據
階段五：Hadoop項目實戰
當然，學完理論就要進行動手實戰了，Hadoop 項目實戰可以幫助加深對內容的理解，並鍛煉動手能力。
1、Hadoop 圖處理--《hadoop應用框架》
階段六：Spark技術模塊Spark 和 Hadoop 都是大數據框架。Hadoop 提供了 Spark 所沒有的功能特性，比如分布式文件系統，而 Spark 為需要它的那些數據集提供了實時內存處理。所以學習 Spark 也非常必要。
1、Spark
2、x 快速入門教程
2、Spark 大數據動手實驗
3、Spark 基礎之 GraphX 圖計算框架學習
4、Spark 基礎之 DataFrame 基本概念學習
5、Spark 基礎之 DataFrame 高階應用技巧
6、Spark 基礎之 Streaming 快速上手
7、Spark 基礎之 SQL 快速上手
8、Spark 基礎之使用機器學習庫 MLlib
9、Spark 基礎之 SparkR 快速上手
10、流式實時日誌分析系統--《Spark 最佳實踐》
11、使用 Spark 和 D3.js 分析航班大數據
階段七：大數據項目實戰
最後階段提供了大數據實戰項目，這是對常用技能的系統運用，例如使用常用的機器學習進行建模、分析和運算，這是成為大數據工程師過程中的重要壹步。
1、Ebay 在線拍賣數據分析?
2、流式實時日誌分析系統--《Spark 最佳實踐》
3、大數據帶妳挖掘打車的秘籍
4、Twitter數據情感分析
5、使用 Spark 進行流量日誌分析
6、Spark流式計算電商商品關註度
7、Spark的模式挖掘-FPGrowth算法
擴展資料：
大數據技術的具體內容：
分布式存儲計算架構（強烈推薦：Hadoop）
分布式程序設計（包含：Apache Pig或者Hive）
分布式文件系統（比如：Google GFS）
多種存儲模型，主要包含文檔，圖，鍵值，時間序列這幾種存儲模型（比如：BigTable，Apollo，?DynamoDB等）
數據收集架構（比如：Kinesis，Kafla）
集成開發環境（比如：R-Studio）
程序開發輔助工具（比如：大量的第三方開發輔助工具）
調度協調架構工具（比如：Apache Aurora）
機器學習（常用的有Apache Mahout 或 H2O）
托管管理（比如：Apache Hadoop Benchmarking）
安全管理（常用的有Gateway）
大數據系統部署（可以看下Apache Ambari）
搜索引擎架構（?學習或者企業都建議使用Lucene搜索引擎）
多種數據庫的演變（MySQL/Memcached）
商業智能（大力推薦：Jaspersoft?）
數據可視化（這個工具就很多了，可以根據實際需要來選擇）
大數據處理算法（10大經典算法）