1.大数据架构工具与组件
企业大数据框架的搭建，多是选择基于开源技术框架来实现的，这其中就包括Hadoop、Spark、Storm、Flink为主的一系列组件框架，及其生态圈组件。
2.深入了解SQL和其它数据库解决方案
大数据工程师需要熟悉数据库管理系统，深入了解SQL。同样其它数据库解决方案，例如Cassandra或MangoDB也须熟悉，因为不是每个数据库都是由可识别的标准来构建。
3.数据仓库和ETL工具
数据仓库和ETL能力对于大数据工程师至关重要。像Redshift或Panoply这样的数据仓库解决方案，以及ETL工具，比如StitchData或Segment都非常有用。
4.基于Hadoop的分析(Hbase，Hive，MapReduce等)
对基于Apache Hadoop的数据处理框架，需要有深入的了解，至少Hbase，Hive和MapReduce的知识存储是必需的。
5.编码
编码与开发能力是作为大数据工程师的重要要求，主要掌握Java、Scala、Python三门语言，这在大数据当中非常关键。
温馨提示：
