开门见山：如果是有志想成为资料科学家或工程师的话，不要花，不值得。
连版上可能推的资策会大数据专班.....都不要去(真的要我宁可选Java EE班)。
恒逸我没仔细研究，但应该没差多少。
我是一位对资料处理有兴趣的资料工程师，简单说就是数据领域的黑手，不是帅帅的科学
家XD。但如果想一起当黑手的，我来说说有哪些东西可以先去看看有没有兴趣，再往下走：
(一)资料源：
Apache Flume
Apache Kafka
LogStash
负责接资料的，目前又以streaming为大宗：
Flume比较适合整合Hadoop生态系; Kafka则是偏SMACK架构; logStash则是ELK自成一派。
当然这不是绝对，而且可以互相接来接去，像我前一个案子也有Kafka->Flume->HDFS/HBase/Avro串来串去的。
我用这3套目前可以满足大部分的streaming收资料的需求。
Flink没时间碰QQ
阿批次勒？...HDFS API XD~
选一套的话：我选Kafka。搭配语言：Java Client API
(二)资料处理引擎：
MRv2(MapReduce)
Spark
这也是大家，即使是非业界也常常听到的term，但要讲的仔细也是好几本书的内容了..
例如批次处理该用Spark好还是MapReduce。串流处理的话我听过Spark Streaming，那跟
Storm又差在哪？什么是micro-batch？
选一套的话，我选Spark，因为目前的应用还是单位时间点内内存能负载的量。还没玩
过几个PB的.....不然选择可能不同了。
但有点尴尬的是，Spark用Java，即便是 Lambda写起来也是有点憋屈..
所以我会推荐新手用Spark+Python+jupiter。
想让自己被Funcational Programming玩的，可以选Spark in Scala（大推)
现在在IT铁人赛有写一点Spark +Scala的教学，有兴趣的可以看看(招手)：
http://ithelp.ithome.com.tw/users/20103839/ironman/1210
(三)结构化/半结构化查询工具(Query Engine)：
Hive
Impala (也开源了)
Spark SQL
这几套我对Impala跟Spark SQL比较有研究而已。这边就是SQL语言配的上场的地方啦！！
可以用简单的SQL查询当然开心啦，但是要注意的是先查哪些语法没有支援....
不管哪一套都要注意"别帮他当作数据库来用"，他们是查询工具不是数据库！
另外注意所谓的Partition的设计，以及选用的档案格式，例如Parquet/Avro等....
扯远了....
这几套与BI也都有良好的介接，Tableau/Qlik View不是问题
选一套的话，我选SparkSQL/Impala 搭配SQL语言以及各种JDBC/ODBC
(四)分布式储存系统：
HDFS
Kafka
S3
最正宗的Hadoop肯定会用到HDFS，但也可以把资料暂存在Kafka上，处理完后就送进NoSQL
，另外S3也是好物，只是没机会碰到。
选一套的话，还是从HDFS+Java API开始吧
(五)分布式数据库：
HBase
MongoDB
ElasticSearch
Cassandra
恩...没有MySQ, MariaDB, PostgreSQL, MS SQL更没有Oracle XDDD
这几套我都很爱，只是MongoDB我是接一个小系统上面有跑，没有实际开发应用经验。
数据库有时候就端看你要走哪种应用了：
Hadoop正宗就是搭配HBase，想用SQL上面可以套一个PhoenixDB，设计就是在玩Primary
Key。
ElasticSearch：全文检索断词那方面的应用，也就是ELK中的E，再搭配一个kibana整个好用。
Cassandra:：与Spark整合良好，去正规化的Data modeling与P2P的架构整个是我的爱。
选一套的话，我私心选Cassadnra + Java/Scala Client~XD
(六)周边：
Zookeeper, Hue, Yarn, Mesos。
还有太多周边了商品了XDDD，Zookeeper可以要懂一些，HBase跟Kafka都有用