大数据学习基本的方向，平台开发和架构，数据运维和分析
学习google的三篇论文，GFS，BigTable,MapReduce论文，然后学习Hadoop中的MapReduce,HDFS,Hbase,然后学习Hive(SQL化查询框架)实现原理和流程。
文件存储：Hadoop HDFS、Tachyon、KFS
离线计算：Hadoop MapReduce、Spark
流式、实时计算：Storm、Spark Streaming、S4、Heron、Flink
K-V、NOSQL数据库：HBase、Redis、MongoDB
资源管理：YARN、Mesos
日志收集：Flume、Scribe、Logstash（日志信息）、Kibana
消息系统：Kafka、StormMQ、ZeroMQ、RabbitMQ
查询分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Kylin、Druid
分布式协调服务：Zookeeper
集群管理与监控：Ambari、Ganglia、Nagios、Cloudera Manager
数据挖掘、机器学习：Mahout、Spark MLLib
数据同步：Sqoop、DataX
任务调度：Oozie、Azkaban、Zeus
