php怎么定义继承类，学计算机专业将来可以从事什么工作？
1
最近总是在头条问答中看到有关计算机专业在毕业之后可以从事什么工作的问题，那我作为一名计算机专业毕业生来谈一谈我的感受。
就个人的感受而言计算机就是一个工具而已，只不过它出现的时间相对于其他工具要晚一些，加之发展速度超乎人们的想像，
因此，此专业的开设更像是为了让更多的人掌握这个工具的一门学科而已。至于你掌握的程度如何还是得靠你自己。
计算机专业曾一度成为中国各类院校的热门专业，未来好就业的一门技能，我也因为某种原因未能选择自己最喜欢的专业而最终读了计算机专业。
想必这也是许多人在选择此专业时的一个原因吧——适应时代发展，毕业后易于就业。
不过就我读下来的最大感受而言，计算机专业算得上是一门比较大的学科。
它包含的内容，或者说是涉及的领域实在太多了，比如大家最常见的办公软件、平面设计、工程制图、编程等等。
而学校开设的课程并没有把所涉及的领域学科进行细致的分类，这就使我们在学习期间学得内容过于杂乱无章，或者说是它更像是一个计算机应用初级入门课程。为什么这么说呢？
我们每个学期都会开设一些课程来学习不同的应用软件。理论+上机实操，一个软件刚学会了一些基础操作，并有掌握了的感受后，期末考试也就到了，而等到新学期开学后又单另学其它的软件。
而之前学过的软件似乎从期末考试之后就和我们再无关联，那对于原本就对软件掌握不好的同学来说很快也就忘记怎么操作了，这就难怪会有学计算机的朋友感到迷茫，不知道毕业之后自己可以做些什么样的工作问题出现。
说实话这样的迷茫我和我的同学都曾有过，而上述提到的一些内容也是我们最真实的写照与感受。
学一门课程，忘一门，最终该做什么、能做什么工作？我们真的不太清楚。
2
那眼看着我也毕业有十余年的时间，我最大的感受便是读这门专业的朋友要会提前为自己打算，做一些规划，什么意思呢？
就是在各种学科之中选择自己比较感兴趣的领域，至于具体该从哪一方面进行发展的话，我觉得还是以个人的兴趣爱好为出发去进行选择，这样才能够有足够的耐心将所学的领域知识学透，并运用好，也只有这样今后才有利于我们在工作中的一个发展。
就比如说你对PS比较感觉兴趣，你就想方设法的去学习有关PS方面的知识。当然PS也算是一门比较大的学科，它包括图像合成，后期制作，还有一些简单的海报之类的设计，你进行一段时间的基础学习后再来具体的分工，给自己在平面设计领域做一个定位。比如说专门做海报设计，或是人体精修等等。
学习方式可以通过自己买专门的教程，找这方面比较优秀的老师对你进行单独辅导。当然现如今要比我们当时方便很多，现在有很多网络课程，价格适中，授课老师也是一线实战老师，授课内容也非常的适用。
因此，不怕没有地方学习，就怕你自己不愿意去学习。
那除了平面设计以外在工程制图和编程方面都可以进行发展，最重要的是要搞清楚自己究竟喜欢什么，切记不要三天两头的更换，也不要随波逐流的看其他同学选择什么，自己就跟着选择。
其实没有哪个软件，或者哪个领域更好发展，更容易找工作。当然这样的说法也是很多人选择的一个依据，可是有太多看似很不起眼的领域，人人都会用的软件就有人从中脱颖而出，收获令人羡慕的收入，比如说之前火爆朋友圈做PPT做出名的帅哥。
说实话这一消息对许多专业人士来说简直的刺激到不行，这些年谁还不会做几个PPT呀？
可人家就能够把一个大众都易学的软件做好、做精、做出名。
可见，再饱和的领域中也阻止不了人才的出现。
3
当然啦，在这当中也有很多暂时找不到定位，或是阴差阳错的选择此专业的朋友。
对于这样的朋友来说我想告诉大家的是不要灰心，只因大学里许多学习的内容都是来帮助我们提高学习能力的，只要我们加强这样的能力培养，即便毕业之后，我们要更换专业也具备一定的学习能力，不至于感到太过于吃力。
就拿我来说吧，毕业之后所从事的是文员工作，在学校里所学习的课程运用最多的就是办公软件，其他的基本都用不上。
而随着计算机的普及，许多非专业的人都会用办公软件，只不过说他们一些复杂的功能不会用，即便学会了也不知道其中的原理。
这一点在我刚开始工作的时候并没有意识到，我也因为非专业的同事轻松应用办公软件而质疑自己所学专业的意义。
然而等到了工作中需要进一步学习一些操作系统时，自己上手比其他同事快时我才感受到和其他同事的不同之处。这是专业课程所为我打下的基础，是有别于非专业朋友的地方。
另外，当我决定从其它方面发展之后，因自己已经掌握了自学的能力，所以我知道自己该通过什么样的途径去进行学习，以及在学习过程中清楚地知道自己和他人之间的差距，并想方设法去弥补。
这都是上学期间所给予我潜在的一种能力，因此，对于还在学校时学习的朋友试图走出迷茫，找到自己所感兴趣，或者所擅长的领域，沉下心去好好学习。
还有一点比较重要，那就是不要忽视相关领域的学习，就还拿平面设计来举例吧，不要就软件学软件，如果是这样的话你顶多是会玩软件的高手而已，始终难于突破自我。
可如果你增加对美学的学习，或增加自己审美能力的提高，这就会大不一样了。就如同我的一位PS老师一样，他在学习人体精修时专门去找了一位都中医去学习不同年龄阶段的人，他们的白眼仁所呈现出来的状态。
其实很多学科之间的知识都是相通的，只要你用心专研进去便会知晓其中的奥秘。
因此，在校期间与其迷茫，不如沉下心思、脚踏实地学习一些自己感兴趣的知识，相信这些知识迟早能够在你的身上发挥出意想不到的作用。
比较好的Java学习课程有哪些？
你好朋友[微笑]！你可以按照以下线路学习线路进行学习，从基础到高级，一步一个脚印，一定要多练习。现在网络上资源很丰富的，比如黑马免费提供前几年的培训视频，你可以和老师一起学习，不用花钱还能有点动力。
一、Java基础
1. Java基础语法：Java入门的第一步，学习Java语法规则，锻炼编程思维。学会环境搭建，掌握Java程序的执行流程，能够编写符合Java语法规则的程序。
2. Java面向对象：面向对象是开发过程中的重点内容，必须学会面向对象的三大特征继承、封装、多态，最终能编写具有面向对象思想的Java程序。
3. Java常用工具类：工具类的查看是开发的必备技能，掌握包装类、字符串、集合等常用工具类，多线程和I/O流等开发重要知识。
二、Java web基础
1. HTML与CSS：学会制作页面，前端的HTML、CSS基础，以及浮动和定位等内容，学会应用布局进行页面开发
2. Java Web入门：掌握JSP、Servlet、Cookie、Session等内容
3. Java Web进阶：过滤器、监听器，以及JSON、Ajax和正则表达式等开发必备技能。
三、Java数据库开发与实战应用
1. 数据库操作： MySQL数据库、JDBC操作数据库、C3P0数据库连接池，Java反射等内容。
2. MyBatis：学习必备基础知识Maven、工厂模式，然后开始学习数据库持久化框架MyBatis
3. Redis数据库与Linux下项目部署：学习Linux的基本命令，能够在Linux下进行项目部署，还要能够使用Redis数据库进行数据缓存！
四、 SSM到Spring Boot入门与综合实战
1. Spring从入门到进阶：学习主流的Spring框架， Spring的IoC、控制反转、AOP和事务管理等重要内容，能够使用Spring与MyBatis整合进行项目开发。
2. Spring MVC入门与SSM整合开发： SpringMVC的数据绑定、拦截器、Restful风格应用，掌握能够使用SSM整合系统。
web前端怎么入门学习？
零基础如何系统的学习web前端开发，相信这是很多初学者都会疑虑的问题！这里不多说废话，直接进入正题，零基础如何学习前端开发！
前端与移动开发学习线路图
前端开发总的线路图，这里只是说了一下知识点，下面有更精准的阶段学习，含配套视频。
第一阶段：能学到什么？会做什么？
掌握 HTML 语法及使用技巧；掌握 CSS 语法及使用技巧；掌握 DIV+CSS 布局方式；掌握常见网页布局模式；掌握 HTML5 常用标签；掌握 Photoshop 切图以及插件切图；能够熟练使用开发人员工具进行页面调试；能够完成基本的动画效果；能够根据PSD文件独立完成静态页面的开发工作；能够使用CSS3新属性美化修饰网页。配套视频：
Web前端入门教程_Web前端入门视频教程
第二阶段：能学到什么？会做什么？
掌握 HTML5 新布局标签、多媒体标签；掌握 CSS3 2D、3D 变换、动画效果；了解移动端屏幕、移动端浏览器、操作系统的不同；掌握常用移动端调试方法；掌握常用移动端适配方法；掌握 CSS 预处理器 less 的使用；掌握常用移动端框架使用方法；掌握常见移动端页面开发；掌握响应式布局开发；掌握 Bootstrap 开发响应式页面；掌握适配不同终端的网页开发技术选型配套视频：
移动web移动教程
第三阶段：能学到什么？会做什么？
能够掌握 JavaScript 基本语法；掌握常见 JavaScript 算法；掌握 DOM 的各种操作；熟练使用面向对象思想进行 DOM 编程；掌握 JavaScript 的高级语法；熟练使用 jQuery 操作 DOM；熟练使用和编写 jQuery 插件；独立完成电商网站的页面搭建（包括 HTML 结构、CSS 样式、JavaScript 特效）；掌握应对业务编程的能力；掌握 JavaScript 常见兼容性方案；掌握团队合作开发流程。配套视频：
JavaScript教程_JavaScript视频教程
JavaScript-高级面向对象视频教程
第四阶段：能学到什么？会做什么？
能够建立客户端服务器交互模型，熟悉网络通信相关概念；能够使用 Node.js 进行 Web 服务端开发；能够掌握 JavaScript 异步编程模型；能够掌握 JavaScript 模块化编程方式；能够使用 Node.js 操作 MySQL 数据库；能够理解 HTTP 协议；熟悉原生 Ajax 请求流程与细节，并掌握常见跨域技巧；能够基于 jQuery 的 Ajax 相关 API 熟练开发常见的前端功能；能够独立开发基于后台接口的动态网站、Ajax 数据交互的项目；能够独立完成企业网站从前台到后台的基本开发工作配套视频：
web前端教程Ajax教程
Nodejs教程精讲
第五阶段：能学到什么？会做什么？
掌握使用 D3.js 进行大数据可视化交互开发；能够掌握使用 Vue 技术栈进行项目开发；能够掌握使用 React 技术栈进行项目开发；能够掌握源代码管理工具的使用；能够熟练掌握前后端分离开发模式；能够掌握使用主流框架开发门户网站、管理系统、移动 Web 等客户端；能够掌握 Webpack 项目构建配置流程；能够掌握 Web 项目的部署与发布模式；能够掌握常见网站业务模块开发。配套视频：
2018年Vue.js深入浅出教程
reactjs入门教程
ReactJs精品教程
第六阶段：能学到什么？会做什么？
能够掌握小程序的开发基础；能够独立开发小程序项目；能够掌握 Canvas 的使用；能够掌握小游戏开发基础；能够独立开发小游戏项目；能够掌握小程序/小游戏的部署与发布；能够掌握小程序开发框架 WePY 的使用；掌握第三方 AI 平台的使用。配套视频：
小程序实战开发
第七阶段视频正在抓紧时间录制中，等有了消息，我会第一时间更新的，以上就是零基础前端开发初学者如何系统学习了！
大数据主要学习哪些内容？
前言要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就可以（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。
我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。
下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。
编程语言阶段学习如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。 JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。 还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就可以，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。 如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。 JavaSE可以说是很基础也很重要的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。 JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。
===========分割线，Scala可以后续Spark阶段再接触学习=============
Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很重要的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很重要的（至少要看得懂代码）。 Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。 也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。
大数据框架阶段学习大数据这方面的知识点自己可以说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。 刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。 来一张推荐系统架构的图，先看看
一般来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。
大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 > Flink（ 如果需要学习Storm，在Spark前面学习）
一、Linux（基本操作）一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再强调一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。
二、Hadoop（重点中的重点）Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也可以说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。
三、ZookeeperZookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就可以了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。
四、Hive（重点）Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。
五、FlumeFlume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。
六、Kafka（重点）Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基本的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。
七、HBase（重点）HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也可以说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基本的API使用等。
八、Spark（重点中的重点）Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。 Spark的组成可以看下图
Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了可以说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。
九、Flink（重点中的重点）Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark可以说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。
项目阶段其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。 根据自己情况，选择两到三个项目重点跟着做，理解透彻一点
大数据项目实战某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。 相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）
书籍书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~） Java后端书架：
大数据书架：
大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。
最后大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就可以了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。 不管是从事什么样的计算机相关的岗位，编程都是很重要的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。 要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。
学习java可以做游戏吗？
可以的，可以做Java游戏。
【资料】
主要是用Java分支中的J2ME来写，但是J2ME中需要Java的基础知识 。
现在有大部分人，都是从零开始学J2ME的，学习J2ME的时候，总是从Java基础开始学习，而且现在讲Java基础的书籍中都是以J2SE来讲基础，这就给学习造成了一些不必要的麻烦，下面将J2ME中用到的和不需要的Java基础知识做一个简单的说明。
J2ME中使用到的Java基础知识：
1、Java语法基础：包括基本数据类型、关键字、运算符等等
2、面向对象的思想：类和对象的概念，继承和多态等等。
3、异常处理
4、多线程