章
目
录
我是一个自学转向大数据的机械专业学生,最初在做Java开发,后来转向大数据领域,目前担任大型公司的数据部门负责人。在这里,我想分享一下自己的观点。
学习门槛和发展潜力
学习大数据相对Java而言门槛略高一些,因为除了数据库操作,还需要掌握分布式、数仓、中间件等知识。相比之下,机器学习的门槛更高,需要长时间的学习和实践,适合研究生和博士层面的深入学习。由于学习大数据的门槛较高,市场上对这方面的培训机构相对较少。大多数培训机构更偏向短期培训,如Python数据爬取等,而非真正的大数据培训。另外,大学专业设置也是一个因素。虽然计算机专业涵盖了Java、数据、C、C++等内容,但大数据这门专业现在还处于起步阶段,因此绝大部分从事大数据工作的人都是自学成才的。但是未来几年情况可能会有所改变,所以早学习大数据是有优势的。
薪资水平
薪资是吸引很多人学习大数据的原因之一。同一家公司同一级别下,大数据开发的薪资通常会高于普通开发岗位。当然,具体的薪资水平还要根据公司来定。
积累性与挑战性
大数据开发涉及到的知识广泛且有挑战性,尤其是在传统企业或国企工作的资深开发者可能会觉得自己与互联网技术发展产生隔阂。随着时间的推移,企业产生的数据量会越来越大,对数据的重视程度也在逐渐增加。理解这些数据,并善于处理和使用它们,将会是未来大数据从业者的重要优势。相比之下,只进行数据库的增删改查或简单页面展示的工作,可能会陷入可复用但缺乏挑战性的境地。而大数据开发则需要对各种场景和机制进行深入思考。在我的面试中,有人问我为什么放弃Java而去学习大数据,我回答道:“如果Java岗位涉及中间件的开发,而不只是做CRM、ERP等数据的增删改查,我也会选择Java。但无论是大数据的哪个方向,都会面临更多的挑战和更高的难度。”
推动现有岗位的发展
学习大数据可以推动现有岗位的发展。很多人可能会问,我是前端工程师,学习大数据有什么用?我从事运维工作,学习大数据能帮我什么?等等。大数据与其他领域的结合是趋势。比如,前端开发也会涉及到一些静态化和缓存机制,了解一些Hive、Hadoop等大数据技术,在可视化或与后端对接时会有更多优势。对于后端开发来说,学习一些大数据相关的知识如Kafka、Zookeeper等分布式和缓存存储和传输,是进阶Java必备的技能,让你在现有企业转型时能够直接投入工作。对于运维岗位来说,分布式集群运维以及各种大数据平台节点的运维,也是一个未来的趋势。如果你什么都不学,认为现在的公司用不到,等公司需要时再学习,可能就来不及了。企业更倾向于招聘熟悉这些技术的员工,而不是等到需要时再去培训。
过渡到机器学习和人工智能
随着科技进步,包括硬件和软件的发展,机器学习的使用门槛会逐渐降低。重要的是强调“使用”,因为研究部门只占少数,更多的是应用这些算法和库。学习大数据可以成为过渡到机器学习和人工智能领域的捷径。
结论
在选择学习方向时,大数据和Java都有各自的优势和特点。学习大数据相对于Java来说,门槛较高,需要掌握分布式、数仓、中间件等知识,但未来的发展潜力也更大。大数据领域的就业前景看好,薪资水平相对较高,而且工作具有积累性和挑战性。此外,学习大数据还可以推动现有岗位的发展,并成为进入机器学习和人工智能领域的捷径。尽管学习大数据有一定的门槛,但对于绝大部分人来说,只要找到适合自己的学习路线和方法,都能够在这个领域取得成功。因此,如果对大数据领域感兴趣并愿意面对挑战,学习大数据是一个值得考虑的选择。