这是艾叔之前发表的一篇教学论文，也是对自身多年工程实践和教学经验的一个总结。

VMware使用过程中，虚拟硬盘vmdk文件的体积会越来越大。

上一节介绍了VMware，它可以在一台计算机上虚拟出多台计算机，这个在我们平时开发、测试中用的非常多。

这是“必备编程工具系列”的第一篇，正式开始前，先谈下艾叔对编程工具的几个观点。

大家好，我是艾叔，从04年第一个正式的软件项目开始，一直在做编程相关的事情：开发过工业级的软件；做过很多次Hadoop和Spark的算法性能优化和实现；写过Linux下的硬件驱动；裁剪和移植过操作系统；带学生打过很多次编程比赛；也得过很多奖。

想学习大数据技术，是不是首先要知道大数据技术有哪些呢？这样也好知道自己未来应该往哪个方向发展，应该重点学习哪些知识？ 抽象而言，各种大数据技术无外乎分布式存储 并行计算。具体体现为各种分布式文件系统和建立在其上的并行运算框架。这些软件程序都部署在多个相互连通、统一管理的物理或虚拟运算节点之上，形成集群(cluster)。因此不妨说，云计算是大数据的基础。

大数据学习路线
java(Java se,javaweb)
Linux(shell,高并发架构,lucene,solr)
Hadoop(Hadoop,HDFS,Mapreduce,yarn,hive,hbase,sqoop,zookeeper,flume)
机器学习(R,mahout)
Storm(Storm,kafka,redis)
Spark(scala,spark,spark core,spark sql,spark streaming,spark mllib,spark graphx)
Python(python,spark python)
云计算平台(docker,kv...

很多人都知道大数据很火，就业很好，薪资很高，想往大数据方向发展。但该学哪些技术，学习路线是什么样的呢？用不用参加大数据培训呢？如果自己很迷茫，为了这些原因想往大数据方向发展，也可以，那么大讲台老师就想问一下，你的专业是什么，对于计算机/软件，你的兴趣是什么？是计算机专业，对操作系统、硬件、网络、服务器感兴趣？是软件专业，对软件开发、编程、写代码感...

如果你看完有信心能坚持学习的话，那就当下开始行动吧！

大数据有很多方向，目前我们口中经常说的大数据的主要就业方向是：大数据研发，大数据分析与挖掘，深度学习，人工智能等方向。 下面我们就从学习的要求到学习的知识进行讲解 一、要求

大数据已经成为时代发展的趋势，很多人纷纷选择学习大数据，想要进入大数据行业。大数据技术体系庞大，包括的知识较多，系统的学习大数据可以让你全面掌握大数据技能。学习大数据需要掌握哪些知识？

一：简介
关于hbase和cassandra的探讨，主要从多个方面来说，从最基本的一步步往深入的说，从最基本的部署运维，到支持特性，使用功能以及各自的优势；
先从比较宏观的角度分析，HBase是基于Google的bigtable的论文实现的列式数据库，cap理论中更倾向于强调c（副本数据一致性）和p（分区容错性）。而Cassandra是号称dynamo 加上 bigtable（数据模型）的实现，cap...

大数据前几年各种概念争论很多，NoSQL/NewSQL，CAP/BASE概念一堆堆的，现在这股热潮被AI接过去了。大数据真正落地到车联网，分控，各种数据分析等等具体场景。

大数据前几年各种概念争论很多，NoSQL/NewSQL，CAP/BASE概念一堆堆的，现在这股热潮被AI接过去了。大数据真正落地到车联网，分控，各种数据分析等等具体场景。

大数据前几年各种概念争论很多，NoSQL/NewSQL，CAP/BASE概念一堆堆的，现在这股热潮被AI接过去了。大数据真正落地到车联网，分控，各种数据分析等等具体场景。