通过参与一个历时两年的大数据分析项目，总结如下：
1、环境熟悉，了解认证系统，各个组件了解，比如hdfs、hive、mapreduce、spark、es、kafka，各个组件都适用什么场景，如何交互
2、明确了场景以后，再各自深入了解
hdfs存储有哪些格式，各自优劣
hive各个存储方式执行性能测试，分桶、分区等的运用
mapreduce的优势是什么，什么情况下使用
spark调优，使用机制，如何使用spark进行es更新，如果前端是一个实时分析应用，如何能够让用户有一个实时体验
es怎么用,keyvalue和text有什么区别，大批量数据怎么更新
最好的学习就是放到场景里
另外如果要进行大数据分析，还是需要了解一些基本的java语言，会有帮助