大数据应用技术专业的毕业生未来可以从事的岗位包括数据采集、数据整理、大数据运维、数据分析、大数据应用开发等。大数据应用技术专业主要以培养大数据应用技能为主，相对于数据科学与大数据专业来说，大数据应用技术专业主要培养技能型人才，以满足广大传统行业对于大数据应用人才的需求。
请问大数据应用技术都要学什么？
大数据是我的主要研究方向之一，目前也在指导大数据方向的研究生，所以我来回答一下这个问题。大数据应用技术专业主要以培养大数据应用技能为主，相对于数据科学与大数据专业来说，大数据应用技术专业主要培养技能型人才，以满足广大传统行业对于大数据应用人才的需求。大数据应用技术专业的毕业生未来可以从事的岗位包括数据采集、数据整理、大数据运维、数据分析、大数据应用开发等。
在知识结构的设计上，大数据应用技术涉及到数学、统计学、编程语言、大数据平台、操作系统、数据分析工具等内容，另外也会涉及到物联网、云计算等相关方面的内容。数学和统计学是大数据技术的重要基础，即使从事落地应用也要重点掌握一些常见的算法。编程语言的学习通常会集中在Java、Python、Scala、R等编程语言上，从目前就业的角度出发，Java是不错的选择。
如果未来想从事大数据应用开发岗位，那么需要重点学习一下编程语言部分。大数据平台的学习是大数据应用技术的重点学习内容之一，大数据平台的学习内容包括大数据平台的部署、调试、维护等内容。目前Hadoop、Spark是比较常见的大数据平台，同时这两个平台也比较适合初学者学习和实验。经过多年的发展，目前大数据平台的组件已经逐渐丰富，所以这部分学习内容也相对比较多。
数据分析工具的学习可以从基本的Excel开始，然后进一步学习各种BI工具，在学数据分析工具的过程中也涉及到一些常见的数据分析算法以及数据库知识。最后，随着大数据技术逐渐落地到广大的传统行业，未来大数据应用专业的就业前景还是比较广阔的。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
BI系统，大概的架构图如下：核心的模块是Cube，Cube是一个更高层的业务模型抽象，在Cube之上可以进行多种操作。大部分BI系统都基于关系型数据库，关系型数据库使用SQL语句进行操作，但是SQL在多维操作和分析的表示能力上相对较弱，所以Cube有自己独有的查询语言MDX，MDX表达式具有更强的多维表现能力，所以以Cube为核心的分析系统基本占据着数据统计分析的半壁江山，大多数的数据库服务厂商直接提供了BI套装软件服务，轻易便可搭建出一套Olap分析系统。
以Hadoop体系为首的大数据分析平台：Hadoop体系的生态圈也不断的变大，目前围绕Hadoop体系的大数据架构大概有以下几种：传统大数据架构其定位是为了解决传统BI的问题，简单说，数据分析的业务没有发生任何变化，依然保留了ETL的动作，将数据经过ETL动作进入数据存储。适用场景：数据分析需求依旧以BI场景为主，但是因为数据量、性能等问题无法满足日常使用。
流式架构在传统大数据架构的基础上，流式架构非常激进，直接拔掉了批处理，数据全程以流的形式处理，所以在数据接入端没有了ETL，转而替换为数据通道。经过流处理加工后的数据，以消息的形式直接推送给了消费者。虽然有一个存储部分，但是该存储更多的以窗口的形式进行存储，所以该存储并非发生在数据湖，而是在外围系统。
适用场景：预警，监控，对数据有有效期要求的情况。Lambda架构Lambda架构算是大数据系统里面举足轻重的架构，大多数架构基本都是Lambda架构或者基于其变种的架构。Lambda的数据通道分为两条分支：实时流和离线。实时流依照流式架构，保障了其实时性，而离线则以批处理方式为主，保障了最终一致性。流式通道处理为保障实效性更多的以增量计算为主辅助参考，而批处理层则对数据进行全量运算，保障其最终的一致性，因此Lambda最外层有一个实时层和离线层合并的动作，此动作是Lambda里非常重要的一个动作，大概的合并思路如下：适用场景：同时存在实时和离线需求的情况。
Kappa架构Kappa架构在Lambda 的基础上进行了优化，将实时和流部分进行了合并，将数据通道以消息队列进行替代。因此对于Kappa架构来说，依旧以流处理为主，但是数据却在数据湖层面进行了存储，当需要进行离线分析或者再次计算的时候，则将数据湖的数据再次经过消息队列重播一次则可。适用场景：和Lambda类似，改架构是针对Lambda的优化。
Unifield架构Unifield架构更激进，将机器学习和数据处理揉为一体，从核心上来说，Unifield依旧以Lambda为主，不过对其进行了改造，在流处理层新增了机器学习层。可以看到数据在经过数据通道进入数据湖后，新增了模型训练部分，并且将其在流式层进行使用。同时流式层不单使用模型，也包含着对模型的持续训练。
适用场景：有着大量数据需要分析，同时对机器学习方便又有着非常大的需求或者有规划。相关：舆情大数据系统架构设计与实现：https://www.toutiao.com/i6537119210336682510/大数据架构的分析应用：https://www.toutiao.com/i6613946595891216910/。
大数据的框架主要学习和使用什么呢？
你说的应该是大数据平台中的主流框架，我列举一下：（一）Hadoop生态圈HDFS：分布式文件系统，解决大数据的存储Yarn（MapReduce）：分布式计算框架，解决大数据的计算Hive：Hadoop中的数据分析引擎，支持SQLHBase：基于HDFS的NoSQL数据库ZooKeeper：分布式协调服务，可以用于实现HA（高可用架构）其他（二）Spark生态圈Spark Core：Spark的核心，用于离线计算Spark SQL：Spark的数据分析引擎，支持SQL语句Spark Streaming：Spark的流式计算引擎，但本质依然是离线计算MLlib：机器学习框架（三）Flink生态圈Flink DataSet：Flink批处理（离线计算）APIFlink DataStream：Flink流处理（实时计算）APIFlink Table
