在前面的文章中我们给大家介绍了很多的内容，包括大数据学习的七个阶段，除了这七个阶段之外，还有一个最重要的阶段，也就是第八个阶段。第八个阶段就是SPARK数据分析。“千里之行，最后一行”——我们在这篇文章中给大家介绍一下这个阶段的内容，希望大家好好学起来哟。

第八个阶段就是spark数据分析阶段，这个阶段的学习内容是非常中重要的，这个阶段还是需要重视技术知识点和阶段项目任务以及综合能力。需要学习的主要技术包括：SCALA入门(数据类型、运算符、控制语句、基础函数)、SCALA进阶(数据结构、类、对象、特质、模式匹配、正则表达式)、SCALA高级使用(高阶函数、科里函数、偏函数、尾迭代、自带高阶函数等)、SPARK入门(环境搭建、基础结构、运行模式)、Spark数据集与编程模型、SPARK SQL、SPARK进阶(DATA FRAME、DATASET、SPARK STREAMING原理、SPARK STREAMING支持源、集成KAFKA与SOCKET、编程模型)、SPARK高级编程(Spark-GraphX、Spark-Mllib机器学习)、SPARK高级应用(系统架构、主要配置和性能优化、故障与阶段恢复)、SPARK ML KMEANS算法，SCALA隐式转化高级特性等内容。

同样先说前面的阶段，主要是第一阶段。HADOOP呢在分析速度上基于MR的大规模数据集相对来说还是挺慢的，包括机器学习，人工智能等。而且不适合做迭代计算。SPARK呢在分析上是作为MR的替代产品，怎么替代呢?先说他们的运行机制，HADOOP基于磁盘存储分析，而SPARK基于内存分析。MR的速度还是比较慢的，而SPARK是比较快的。而SPARK是基于SCALA语言开发的，当然对SCALA支持最好，所以课程中先学习SCALA开发语言。

在课程的设计方面，市面上的职位要求技术，基本全覆盖。而且并不是单纯的为了覆盖职位要求，而是本身课程从前到后就是一个完整的大数据项目流程，一环扣一环。比如从历史数据的存储，分析(HADOOP,HIVE,HBASE)，到实时的数据存储(FLUME,KAFKA)，分析(STORM,SPARK)，这些在真实的项目中都是相互依赖存在的。

说完了大数据学习的第八个阶段的内容，我们也算是给大家介绍完了大数据学习的所有阶段了，无论是开始的静态网页基础内容、JavaSE和JavaWeb，还是后来的前端框架、企业级开发框架，再者初识大数据、大数据的数据库学习和实时数据采集，还有今天的这个spark数据分析，大家一定不要越级或投机取巧，切忌“心急吃不了热豆腐”。唯有好好打牢基础，我们才能立于不败之地。希望这篇文章能够给大家带来帮助。