Java作為一門主流的編程開發(fā)語言和職場技能，已經(jīng)得到越來越多的應(yīng)屆畢業(yè)生和職場新人的認(rèn)可。越來越多的人通過各類培訓(xùn)機(jī)構(gòu)或在線課程在學(xué)習(xí)Java編程技術(shù)，不斷的在拉高Java 程序員的供應(yīng)量。
在應(yīng)屆大學(xué)生、菜鳥和非IT人士眼中，學(xué)習(xí)Java技術(shù)成為Java程序員無疑是一個不錯的選擇，這至少從某種程度上解決了他們的當(dāng)務(wù)之急——生存問題。
但是，對于已經(jīng)入行2-3年的Java程序員，生存問題已經(jīng)得到緩解和解決，他們更多的再關(guān)心，“這條路是否可以持續(xù)走下去？”、“明年的薪水還能不能繼續(xù)增長30%以上”。
對于程序員來說，技術(shù)一直在發(fā)展，與時俱進(jìn)是必須的。大數(shù)據(jù)人才缺口巨大，轉(zhuǎn)型的機(jī)會出現(xiàn)了，如果能抓住這難得的機(jī)會，轉(zhuǎn)型為大數(shù)據(jù)工程師，讓你更進(jìn)一步（競爭力、金錢等方面），何樂而不為呢？
大數(shù)據(jù)從事的是開源工作，更傾向于“研發(fā)”，能夠重新激起程序員研發(fā)程序的熱情，職業(yè)生涯有了新的追求，這意味著大數(shù)據(jù)會成為值得程序員長期奮斗不斷突破的工作；其次，由于大數(shù)據(jù)屬新興領(lǐng)域，專業(yè)人才比較缺乏，高端人才更是企業(yè)爭搶的對象。薪資上升容易，職業(yè)發(fā)展?jié)摿薮蟆?/span>
做Java也是不錯的，不過目前大數(shù)據(jù)是個趨勢，稍微有實(shí)力點(diǎn)的企業(yè)都在上大數(shù)據(jù)項(xiàng)目，而Hadoop本身又是Java開發(fā)的，再加上Hadoop工程師普遍比純Java開發(fā)要高3k以上，所以有很多搞Java的都在往hadoop大數(shù)據(jù)方向轉(zhuǎn)。
國內(nèi)IT、通訊、行業(yè)招聘中，有10%都是和大數(shù)據(jù)相關(guān)，且比例還在上升。巨大的人才缺口直接導(dǎo)致各企業(yè)紛紛以高薪聘請大數(shù)據(jù)人才：
做Java的人已經(jīng)比較多了，很多人工作4~5年月薪也難上2萬，能上2.5萬的更是寥寥。但Hadoop很多人只1年經(jīng)驗(yàn)就拿2萬以上了。所以很多現(xiàn)在待遇還不錯的人也還來大講臺學(xué)Hadoop，主要也是考慮未來發(fā)展天花板的問題。
Java這塊如果做5~6年到管理崗位的話，薪資基本可以達(dá)到2萬-2.5萬了。但是2.5萬基本上是Java技術(shù)人員的天花板，能上這個數(shù)的人很少，除非是架構(gòu)師或者做底層的開發(fā)。但Hadoop這塊2萬多的薪資只能算一般，后面還有很大發(fā)展空間，所以很多有經(jīng)驗(yàn)的Java老鳥在往這塊轉(zhuǎn)。
年齡大對搞技術(shù)的來說是個比較大的問題，Java工程師滿大街都是，年齡大了工資還好但精力跟不上年輕人，不能加班，有家有室也不能長期出差，會比較尷尬。
Hadoop這塊年齡影響比較小，因?yàn)楦愦髷?shù)據(jù)不是簡單的編程，編程的份量連1/6都不到，很多時候需要你從服務(wù)器、存儲、計(jì)算、運(yùn)維等多個方面來分析問題解決問題，年齡越大經(jīng)驗(yàn)越豐富，也越吃香。
大數(shù)據(jù)工程師需要具備哪些能力？
（1）數(shù)學(xué)及統(tǒng)計(jì)學(xué)相關(guān)的背景；
（2）計(jì)算機(jī)編碼能力；
（3）對特定應(yīng)用領(lǐng)域或行業(yè)的知識。
大數(shù)據(jù)工程師這個角色很重要的一點(diǎn)是，不能脫離市場，因?yàn)榇髷?shù)據(jù)只有和特定領(lǐng)域的應(yīng)用結(jié)合起來才能產(chǎn)生價值。
所以，在某個或多個垂直行業(yè)的經(jīng)歷能為應(yīng)聘者積累對行業(yè)的認(rèn)知，對于之后成為大數(shù)據(jù)工程師有很大幫助，因此這也是應(yīng)聘這個崗位時較有說服力的加分項(xiàng)。
大數(shù)據(jù)相關(guān)的技能很多，按照數(shù)據(jù)本身，可以分為數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)存儲、數(shù)據(jù)挖掘，共5類。
數(shù)據(jù)獲?。喝罩臼占?Scribe、Flume和爬蟲等；
數(shù)據(jù)處理：流式計(jì)算的storm, spark streaming、Hadoop、消息隊(duì)列相關(guān)的如Kafka等；
數(shù)據(jù)分析：HIVE、SPARK、基本算法、數(shù)據(jù)結(jié)構(gòu)等；
數(shù)據(jù)存儲：HDFS等；
數(shù)據(jù)挖掘：機(jī)器學(xué)習(xí)相關(guān)算法，聚類、時間序列、推薦系統(tǒng)、回歸分析、文本挖掘、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)等。
