别人学习内容，我学习目录，摘抄如下

专栏模块

一套完整的大数据知识体系，将包含 6 个模块。

模块一 Hadoop 大数据原理与架构

为什么讲大数据都要从 Hadoop 开始？大数据的问题和挑战不同以往，它的处理方法与技巧也颇有不同。理解大数据面对的问题以及处理技巧，是构建大数据知识体系的源头。理解大数据，从理解 Hadoop 开始。

模块二 大数据生态体系主要产品原理与架构

大数据领域不只有 Hadoop，还有数据仓库 Hive、NoSQL 系统 HBase、计算引擎 Spark、流计算引擎 Storm、Flink，以及分布式一致性解决方案 ZooKeeper 等，它们构成了一个完整的大数据生态体系，解决各种场景下的不同问题。

模块三 大数据开发实践

本模块以大数据开发者的视角重新审视大数据的各个方面，结合作者在阿里巴巴、Intel 从事大数据开发的实践经历，从“局内人”的视角为你揭秘大数据开发的内里乾坤。

模块四 大数据平台与系统集成

大数据从哪里来？算出来的结果又到哪里去？如何将大数据技术集成到当前系统中去？需不需要自己开发？有没有商业的解决方案？这可能是使用大数据时最迫切需要解决的问题。

模块五 大数据分析与运营

数据分析是大数据应用的一个重要场景，互联网企业运营常用的数据分析指标有哪些？如何呈现？数据分析结果异常了，企业关键绩效指标下滑了，该如何去追踪定位其原因？这些应用场景和问题答案都可以在本模块中找到。

模块六 大数据算法

大数据最激动人心的应用还是大数据机器学习，但大数据机器学习算法是不是真的有那么难？数学不好还能不能学好、用好大数据算法呢？这个模块告诉你，其实大数据算法并不难，原理一样很简单。

专栏详细目录如下：

开篇词 | 为什么说每个软件工程师都应该懂大数据技术？

预习 01 | 大数据技术发展史：大数据的前世今生

预习 02 | 大数据应用发展史：从搜索引擎到人工智能

预习 03 | 大数据应用领域：数据驱动一切

04 | 移动计算比移动数据更划算

05 | 从RAID看垂直伸缩到水平伸缩的演化

06 | 新技术层出不穷，HDFS依然是存储的王者

07 | 为什么说MapReduce既是编程模型又是计算框架？

08 | MapReduce如何让数据完成一次旅行？

09 | 为什么我们管Yarn叫作资源调度框架？

10 | 模块答疑：我们能从Hadoop学到什么？

11 | Hive是如何让MapReduce实现SQL操作的？

12 | 我们并没有觉得MapReduce速度慢，直到Spark出现

13 | 同样的本质，为何Spark可以更高效？

14 | BigTable的开源实现：HBase

15 | 流式计算的代表：Storm、Flink、Spark Streaming

16 | ZooKeeper是如何保证数据一致性的？

17 | 模块答疑：这么多技术，到底都能用在什么场景里？

18 | 如何自己开发一个大数据SQL引擎？

19 | Spark的性能优化案例分析（上）

20 | Spark的性能优化案例分析（下）

21 | 从阿里内部产品看海量数据处理系统的设计（上）：Doris的立项

22 | 从阿里内部产品看海量数据处理系统的设计（下）：架构与创新

23 | 大数据基准测试可以带来什么好处？

24 | 从大数据性能测试工具Dew看如何快速开发大数据系统

25 | 模块答疑：我能从大厂的大数据开发实践中学到什么？

26 | 互联网产品 + 大数据产品 = 大数据平台

27 | 大数据从哪里来？

所有的不确定都是机会——智慧写给你的新年寄语

28 | 知名大厂如何搭建大数据平台？

29 | 盘点可供中小企业参考的商业大数据平台

30 | 当大数据遇上物联网

31 | 模块答疑：为什么大数据平台至关重要？

32 | 互联网运营数据指标与可视化监控

33 | 一个电商网站订单下降的数据分析案例

34 | A/B测试与灰度发布必知必会

35 | 如何利用大数据成为“增长黑客”？