大数据已成为高薪岗位的代名词，更是前景无限的热门技术

目录：

• 体系课-大数据工程师2022/├──{1}–阶段一：走进大数据
  | ├──{1}–学好大数据先攻克Linux| | ├──{1}–第1章笑傲大数据成长体系课【必看】
  | | ├──{2}–第2章Linux虚拟机安装配置
  | | ├──{3}–第3章Linux极速上手
  | | ├──{4}–第4章Linux试炼之配置与shell实战
  | | └──{5}–第5章Linux总结与走进大数据
  | ├──{2}–大数据起源之初识Hadoop 

  | | ├──{1}–第1章初识Hadoop
  | | └──{2}–第2章Hadoop的两种安装方式
  | ├──{3}–Hadoop之HDFS的使用

  | | ├──{1}–第1章HDFS介绍
  | | ├──{2}–第2章HDFS基础操作
  | | └──{3}–第3章Java操作HDFS
  | ├──{4}–Hadoop之HDFS核心进程剖析

  | | ├──{1}–第1章初识NameNode
  | | ├──{2}–第2章NameNode进阶
  | | ├──{3}–第3章HDFS高级
  | | └──{4}–第4章【扩展内容】HDFS写数据源码剖析
  | └──{5}–Hadoop之初识MR

  | | ├──{1}–第1章初识MapReduce
  | | ├──{2}–第2章实战：WordCount
  | | ├──{3}–第3章深入MapReduce
  | | └──{4}–第4章精讲Shuffle执行过程及源码分析输入输出
  ├──{2}–阶段二：PB级离线数据计算分析存储方案
  | ├──{1}–拿来就用的企业级解决方案

  | | ├──{1}–第1章剖析小文件问题与企业级解决方案
  | | ├──{2}–第2章剖析数据倾斜问题与企业级解决方案
  | | ├──{3}–第3章YARN实战
  | | ├──{4}–第4章Hadoop官方文档使用指北【授人以鱼不如授人以渔】
  | | ├──{5}–第5章Hadoop核心复盘
  | | └──{6}–第6章【福利加油站】
  | ├──{2}–Flume从0到高手一站式养成记

  | | ├──{1}–第1章极速入门Flume
  | | ├──{2}–第2章极速上手Flume使用
  | | ├──{3}–第3章精讲Flume高级组件
  | | ├──{4}–第4章Flume出神入化篇
  | | └──{5}–第5章Flume核心复盘
  | ├──{3}–数据仓库Hive从入门到小牛

  | | ├──{1}–第1章快速了解Hive
  | | ├──{2}–第2章数据库与数据仓库区别
  | | ├──{3}–第3章Hive基础使用
  | | ├──{4}–第4章Hive核心实战
  | | ├──{5}–第5章Hive高级函数实战
  | | └──{6}–第6章Hive技巧与核心复盘
  | ├──{4}–Hive扩展内容

  | | ├──{1}–第1章常见数据压缩格式的使用
  | | └──{2}–第2章常见数据存储格式的使用
  | └──{5}–快速上手NoSQL数据库HBase

  | | ├──{1}–第1章快速了解HBase
  | | ├──{2}–第2章快速上手使用HBase
  | | ├──{3}–第3章深入HBase架构原理
  | | ├──{4}–第4章HBase高级用法
  | | └──{5}–第5章HBase调优策略和扩展内容
  ├──{3}–阶段三：Spark+综合项目：电商数据仓库设计与实战
  | ├──{1}–7天极速掌握Scala语言

  | | ├──{1}–第1章Scala极速入门
  | | ├──{2}–第2章Scala基础语法
  | | ├──{3}–第3章Scala面向对象
  | | ├──{4}–第4章Scala函数式编程
  | | ├──{5}–第5章Scala高级特性
  | | └──{6}–第6章Scala核心复盘
  | ├──{2}–Spark快速上手

  | | ├──{1}–第1章初识Spark
  | | ├──{2}–第2章解读Spark工作与架构原理
  | | ├──{3}–第3章Spark实战：单词统计
  | | ├──{4}–第4章Transformation与Action开发实战
  | | ├──{5}–第5章RDD持久化
  | | ├──{6}–第6章TopN主播统计
  | | └──{7}–第7章面试与核心复盘
  | ├──{3}–Spark性能优化的道与术

  | | ├──{1}–第1章Spark三种任务提交模式
  | | ├──{2}–第2章Shuffle机制分析
  | | ├──{3}–第3章Spark之checkpoint
  | | ├──{4}–第4章Spark程序性能优化企业级最佳实践
  | | ├──{5}–第5章Spark性能优化之算子优化
  | | ├──{6}–第6章极速上手SparkSql
  | | └──{7}–第7章Spark实战与核心复盘
  | ├──{4}–Spark3.x扩展内容

  | | ├──{1}–第1章快速上手使用Spark3.x
  | | ├──{2}–第2章Spark3.x版本中新特性的原理及应用
  | | └──{3}–第3章SparkSQL集成Hive
  | ├──{5}–综合项目：电商数据仓库之用户行为数仓

  | | ├──{1}–第1章电商数据仓库效果展示
  | | ├──{2}–第2章数据仓库前置技术
  | | ├──{3}–第3章电商数仓技术选型
  | | ├──{4}–第4章数据生成与采集
  | | ├──{5}–第5章用户行为数仓设计与实现
  | | └──{6}–第6章项目核心复盘
  | └──{6}–综合项目：电商数据仓库之商品订单数仓

  | | ├──{1}–第1章商品订单数仓需求分析
  | | ├──{2}–第2章需求设计与实现
  | | ├──{3}–第3章订单拉链表实战
  | | ├──{4}–第4章数据可视化和任务调度实现
  | | ├──{5}–第5章项目核心复盘
  | | └──{6}–第6章数据压缩格式和存储格式在数仓中的应用
  ├──{4}–阶段四：高频实时数据处理+海量数据全文检索方案
  | ├──{1}–消息队列之Kafka从入门到小牛

  | | ├──{1}–第1章初识Kafka
  | | ├──{2}–第2章Kafka集群安装部署
  | | ├──{3}–第3章Kafka使用初体验
  | | ├──{4}–第4章Kafka核心扩展内容
  | | ├──{5}–第5章Kafka核心之存储和容错机制
  | | ├──{6}–第6章Kafka生产消费者实战
  | | ├──{7}–第7章Kafka技巧篇
  | | ├──{8}–第8章Kafka小试牛刀实战篇
  | | └──{9}–第9章Kafka核心复盘
  | ├──{2}–极速上手内存数据库Redis

  | | ├──{1}–第1章快速了解Redis
  | | ├──{2}–第2章Redis核心实践
  | | ├──{3}–第3章Redis封装工具类技巧
  | | ├──{4}–第4章Redis高级特性
  | | └──{5}–第5章Redis核心复盘
  | ├──{3}–Flink快速上手篇

  | | ├──{1}–第1章初识Flink
  | | ├──{2}–第2章实战：流处理和批处理程序开发
  | | ├──{3}–第3章Flink集群安装部署
  | | ├──{4}–第4章Flink核心API之DataStreamAPI
  | | ├──{5}–第5章Flink核心API之DataSetAPI
  | | ├──{6}–第6章Flink核心API之TableAPI和SQL
  | | └──{7}–第7章Flink核心复盘
  | ├──{4}–Flink高级进阶之路

  | | ├──{1}–第1章Flink中的Window和Time详解
  | | ├──{2}–第2章Flink中的Watermark深入剖析
  | | ├──{3}–第3章Flink中的并行度详解
  | | ├──{4}–第4章Flink之KafkaConnector专题
  | | ├──{5}–第5章SparkStreaming快速上手
  | | ├──{6}–第6章Flink核心复盘
  | | └──{7}–第7章【福利加油站】
  | ├──{5}–Flink1.15新特性及状态的使用

  | | ├──{2}–第2章快速上手使用Flink1.15
  | | └──{3}–第3章State(状态)的使用与管理
  | ├──{6}–Flink1.15之状态的容错与一致性

  | | ├──{1}–第1章State(状态)的容错与一致性
  | | ├──{2}–第2章Checkpoint与State底层原理深度剖析
  | | └──{3}–第3章Kafka-connector新API的使用
  | ├──{7}–全文检索引擎Elasticsearch

  | | ├──{1}–第1章快速了解Elasticsearch
  | | ├──{2}–第2章快速上手使用Elasticsearch
  | | ├──{3}–第3章Elasticsearch分词详解
  | | ├──{4}–第4章Elasticsearch查询详解
  | | └──{5}–第5章Elasticsearch的高级特性
  | └──{8}–Es+HBase仿百度搜索引擎项目

  | | ├──{1}–第1章企业中快速复杂查询痛点分析
  | | ├──{2}–第2章仿百度搜索引擎项目架构设计
  | | ├──{3}–第3章ES高级特性扩展
  | | └──{4}–第4章开发仿百度搜索引擎项目
  └──{5}–阶段五：综合项目：三度关系推荐系统+数据中台
  | ├──{1}–直播平台三度关系推荐V1.0

  | | ├──{1}–第1章项目介绍及演示
  | | ├──{2}–第2章项目技术选型
  | | ├──{3}–第3章Neo4j图数据库快速上手使用
  | | ├──{4}–第4章数据采集模块分析
  | | ├──{5}–第5章数据采集+聚合+分发+落盘
  | | ├──{6}–第6章数据计算核心指标分析
  | | ├──{7}–第7章数据核心指标计算
  | | └──{8}–第8章项目核心复盘
  | ├──{2}–直播平台三度关系推荐V2.0

  | | ├──{1}–第1章V1.0架构方案分析及V2.0架构设计
  | | ├──{2}–第2章V2.0架构之数据核心指标计算
  | | ├──{3}–第3章数据接口定义及开发
  | | ├──{4}–第4章数据展示
  | | ├──{5}–第5章项目扩展优化
  | | └──{6}–第6章项目核心复盘
  | └──{3}–数据中台大屏

  | | ├──{1}–第1章数据中台的前世今生
  | | ├──{2}–第2章数据中台架构
  | | ├──{3}–第3章什么样的企业适合建设数据中台
  | | ├──{4}–第4章数据中台企业级解决方案
  | | ├──{5}–第5章项目总结
  | | ├──{6}–第6章数据中台之数据加工总线
  | | ├──{7}–第7章数据加工总线之SparkSQL计算引擎开发
  | | ├──{8}–第8章数据加工总线之FlinkSQL计算引擎开发
  | | └──{9}–第9章后期展望