运维分为好多种现在比较吃香嘚是Go、Python类的k8s、docker类开发方向。
其他的运维被淘汰的太快了
你对这个回答的评价是？
你可以选择网络培训好多视频还都是免费的，觉得自巳能学就再报名缴费也不迟。
建议看看《Linux就该这么学》 里面有个专栏是 Linux命令大全(手册)
加入我们的群一起讨论
Linux就该这么学》是一本注重於实用性的Linux系统技术自学书籍，自基础篇公布后网站每天日常阅读量已经超过10000多人25万多名忠实粉丝读者，是目前国内人气增速最快的IT书籍您可以在本网站内免费在线阅读书籍的全部章节及最新内容，今后的进阶篇也将会一如既往免费、完整的提供给亲爱的读者们在线学習
你对这个回答的评价是？
马哥教育（）总部在北京,历经十年发展,成为国内排名领先的Linux云计算培训、Python人工智能培训机构,提供专业的Linux培训囷Python培训服务
linux培训机构北京比较多一些北京整体师资和就业比其他城市要好一些，所以不少学员愿意来北京参加linux培训
你对这个回答的评價是？
第一部分：了解大数据平台架构
夶数据有非常大的价值不管是从帮助企业创造营收还是从提高效率、节省企业成本角度。大数据要是做好了将会是一个企业增长的发動机，推动业务突飞猛进的发展要实现大数据的价值，真正让大数据为企业创造贡献首先必须要积累有大数据，把日常的业务和用户荇为数据收集起来有些数据是可再生资源，但更多的数据是不可再生资源这就需要我们搭建一个平台负责数据的采集、规整、运算、存储、应用、展现等，有了这样一个大数据平台我们才能做好数据的积累，从小数据到大数据数据是企业的资产，好的数据是企业的優质资产大数据平台该怎样搭建呢？请看下面这幅图不管我之前在阿里还是在腾讯工作，还是到哪个企业工作基本上我都是通过这幅图进行一些简单的适应企业的调整，就可以完全搬过来使用了
在这里还是要推荐下我自己建的大数据学习交流群:，群里都是学大数据開发的如果你正在学习大数据 ，小编欢迎你加入,大家都是软件开发党不定期分享干货（只有大数据软件开发相关的），包括我自己整悝的一份2019最新的大数据进阶资料和高级开发教程欢迎进阶中和进想深入大数据的小伙伴加入。
针对上面这幅图有几点跟大家讲解说明丅：
1）大数据平台由三个平台+一个服务组成：工具平台，大数据仓库基础平台、大数据门户其中，工具平台又包含运维平台和数据采集岼台大数据门户又包含大数据分析平台和大数据产品应用平台。
2）讲讲每个平台的作用
运维平台主要负责整个大数据平台的任务调度、任务监控、元数据管理、权限管理等，分别由调度系统、任务监控中心、元数据管理系统、权限管理系统等系统组成
大数据采集平台主要负责把数据采集到大数据仓库平台中。企业的大数据来源从大的角度来说主要是从三个方面获取数据，业务系统、行为日志采集系統、外部数据来源每一个方面来源又包含途径，大家可以看上面的图就了解这里特别要强调的是外部数据来源，可以通过网络爬虫工具收集通过和相应的合作方进行数据交换，通过从数据商那里采购过来也有极少部分可以通过一些大公司的开放平台接口获取，比如阿里、腾讯等
大数据基础平台，在传统的关系数据库时代这个平台也是企业必须要做的平台，只不过当时叫数据仓库系统在大数据時代，我称作为大数据仓库基础平台这部分是整个大数据平台的核心。我们接下来会详细讨论
大数据门户，是数据成果的集成一体化岼台包含大数据分析平台和数据应用平台。大数据门户作为整个数据部门的窗口所有数据研究成果都会展现在数据门户中，极大的方便了企业各层级、各职能人员使用数据我们接下来也将会详细讨论下这部分内容。
用户服务使用我们数据的人主要有公司的各层级的管理人员、数据分析人员、运营人员、产品经理、技术研发工程师、企业的投资相关方，还可能有部分的公司提供对外的数据服务提供垺务的方式有多种多样，或通过大数据门户、或通过API接口、或是直接在分析报告中体现
第二部分：掌握大数据常用工具组件
hadoop和Spark是两种不哃的大数据处理框架，他们的组件都非常多往往也不容易学，我把他们两者整理在一幅图中给大家一个全貌的感觉。初学者可以针对洳下图中的组件逐个的去研究攻破。至于各组件的详细介绍、相关联系和区别以及它们在大数据平台建设中的具体实施关注点。
以上這些大数据组件是日常大数据工作中经常会碰到的每个组件大概的功能，我已经在图中做了标识下面，针对这幅图我给大家两点重要提示：
a.蓝色部分是Hadoop生态系统组件，黄色部分是Spark生态组件虽然他们是两种不同的大数据处理框架，但它们不是互斥的Spark与hadoop 中的MapReduce是一种相互共生的关系。Hadoop提供了Spark许多没有的功能比如分布式文件系统，而Spark 提供了实时内存计算速度非常快。有一点大家要注意Spark并不是一定要依附于Hadoop才能生存，除了Hadoop的HDFS还可以基于其他的云平台，当然啦大家一致认为Spark与Hadoop配合默契最好摆了。
b.技术趋势：Spark在崛起hadoop和Storm中的一些组件茬消退。大家在学习使用相关技术的时候记得与时俱进掌握好新的趋势、新的替代技术，以保持自己的职业竞争力
MapReduce也有可能被Spark 替换，趨势是这样但目前Spark还不够成熟稳定，还有比较长的路要走；
Hadoop中的算法库Mahout正被Spark中的算法库MLib所替代为了不落后，大家注意去学习Mlib算法库；
Storm會被Spark Streaming替换吗?在这里Storm虽然不是hadoop生态中的一员，但我仍然想把它放在一起做过比较由于Spark和hadoop天衣无缝的结合，Spark在逐步的走向成熟和稳定其苼态组件也在逐步的完善，是冉冉升起的新星我相信Storm会逐步被挤压而走向衰退。
第三部分：关于自学与培训
入门学习大数据一个方面鈳以通过自学，另一个方面可以通过参加培训机构的培训但是，参加培训是否真有用吗对于哪些人适用参加培训？请看我的分享：
对於学习大数据的同学来说参加培训肯定是有用的，这毫无疑问关键在于作用的大小，选择的培训机构是不是值得你耗费时间和金钱詓参加培训。什么情况下参加培训可以发挥最大的价值呢？我有3点建议供大家参考:
第一点，自己开始学大数据但是真的找不到门路，不知道从何入手不知道该安装哪些大数据软件工具、怎样配置一套学习环境的时候。当然这一点也可以通过咨询专家解决；
第二点，自己有一定大数据基础日常学习中，碰到各种问题一个人摸索，效率较低希望创建一个多人学习交流的环境，结交更多的大数据哃学以加快速度学习成长的时候。
第三点家庭环境比较好，或者是工作了几年的同学在培训费上面比较容易接受，可以参加培训加赽自己的成长
总而言之，参加大数据培训就是以金钱换取时间（快速成长快速入门）和空间（创造更好的多人学习交流环境），能否發挥更大的价值就要看个人的情况和选择怎样的培训机构了。一个好的培训机构不仅能够让你快速的学到大数据方面的知识更是锻炼叻你的项目实战能力，让你快速找到一份满意的大数据工作让你顺利进入到大数据领域工作，开展你的大数据职业生涯既然培训机构這么重要，我们该如何选择呢大家知道，培训机构不仅有线下的培训机构更有众多的线上教育平台，那么该如何选择呢
首先，我们仳较下他们之间的优劣势：
线上教育平台资源众多，我们可以以比较低成本甚至免费就能获取到物美价廉的教程学习时间上我们也比較好控制，随时可分配自己的学习时间对于有一定基础的同学来说，会是一个非常好的选择；
线下培训机构由于受空间和时间的限制，学员必须在指定时间指定地点完成学习培训机构提供了练习测试的环境、提供了训练数据，也有老师给学员做指导更有同学之间的茭流切磋，对于有充分时间的零基础学员来说通过强迫集中式学习，会更容易入门上手
其次，不管选择线上培训课程还是线下培训机構核心点就是要扬长避短，充分利用他们之间的优势如果自己能够在电脑上配置一套测试练习环境、找到一门适合自己的线上优质课程，那么线上课程也一样能收到很好的效果
最后，如果要在众多的线下培训机构中选择一家靠谱的我想可以看几点，
第一点看是否能提供真实的项目去实习，这一点非常关键且最重要真实的项目，让你身入奇境通过项目中，知道大数据日常工作的内容有哪些除叻你日常学习的高大上技术以外，其实是还有很多琐碎的工作的几个项目下来，你去找工作就轻车熟路如同跳槽换工作一样简单，面試毫无问题当然啦，这一类机构貌似极其少因为要找到真实大数据项目去做的培训机构真的不多。
第二点如果培训机构拿不到真实嘚大数据项目，那么要看其设置的培训案例是否是在日常企业中应用最广泛的领域案例和技能培训紧密结合，设法让学员学习后到企業工作，案例可以作为标准的模板能够灵活的运用学习的大数据技能。
尚硅谷深圳校区_Linux系统管理教程（Linux运维+云计算学科发布）
尚硅谷深圳校区_Linux系统管理教程
