我现在想在3个月之内学会数据库，现在我都不会但是工作需要我现在真的很急！！！

关键是你所说的数据库具体是那种数据库，一般现在常用的个人或小型的关系型数据库，有access和foxpro，三个月学习一般的应用应该没有问题；还有一些是免费的比较专业的小型的关系型数据库，如mysql，三个估计有些困难，因为其一般作为小型web应用的后台数据库来应用，而且必须搭配编程语言，如java等。对于专业一些的大型的数据库，如微软的sql server、甲骨文的oracle、IBM的db2等，三个月估计只能学习皮毛。这些数据库本身结构就相当的复杂，而且其安装、配置都是比较复杂，自身都带有专用与通用的SQL语言，配置专业的开发工具，学三个月是远远不够的。

大数据培训需要多久能够学会？这个跟您本身情况是有关系的，请看：

第一、零基础人群

学习大数据的话要5个月左右的时间，至于学不学的会，就看个人学习理解能力了，我大学学的也不是相关专业，也是从零基础开始学的，没错，大数据需要学习的东西是很多，也存在一定的困难，但是只要您能认真地学，遇到困难及时解决，并坚持下来，是没问题的，好不好学别人只能是谈一下自己的感受，能不能把它学会还是要看看你了，谁也帮不了你。

第二、有基础人群

如果是自己自学大数据的话那就要有一定的编程基础，或者在大学学习过相关知识。比如说是Java开发基础，python开发基础等，如果在加上一些数学统计方面的知识就更加完美了，有了这些基础的话那么自学大数据技术的话还是比较容易的。

当然如果是零基础的话最好是安静的选个专业的大数据培训机构报个班进行大数据培训学习，没有一点基础的话自学是非常困难的，很容易半途而废。如果您有基础，且理解能力也不错的话，自学也是不错的。

参加大数据学习一般需要多长时间？一般学习时间为4-6个月左右。主要看你有没有Java和Linux基础，如果有就可以直接进入大数据学习，学习时间4个月左右，如果你没有Java和Linux

基础，那么学习时间就要6个月左右。

下面附上学习内容：

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，学习大数据要学习那个方向呢？

只需要学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下，有同学说Hibernate或Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybites的原理，不要只学API，这样可以增加你对Java *** 作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。

Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

好说完基础了，再说说还需要学习哪些大数据技术，可以按我写的顺序学下去。

Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。YARN是体现Hadoop平台概念的重要组件有了它大数据生态体系的其它软件就能在hadoop上运行了，这样就能更好的利用HDFS大存储的优势和节省更多的资源比如我们就不用再单独建一个spark的集群了，让它直接跑在现有的hadoop

yarn上面就可以了。其实把Hadoop的这些组件学明白你就能做大数据的处理了，只不过你现在还可能对"大数据"到底有多大还没有个太清楚的概念，听我的别纠结这个。等以后你工作了就会有很多场景遇到几十T/几百T大规模的数据，到时候你就不会觉得数据大真好，越大越有你头疼的。当然别怕处理这么大规模的数据，因为这是你的价值所在，让那些个搞Javaee的php的html5的和DBA的羡慕去吧。记住学到这里可以作为你学大数据的一个节点。

Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那？你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那？它和Pig差不多掌握一个就可以了。

Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

Kafka：这是个比较好用的队列工具，队列是干吗的？排队买票你知道不？数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据（比如好几百G的文件）我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方（比如Kafka）的。

Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以 *** 作它，因为它们都是用JVM的。

Flink：刚才都说用Kafka能让数据排上队了，那不得按队型给处理一波，怎么处理用Flink一个个处理啊，来一个算一个速度贼快，这就是常说的流式计算。另外Flink还有一些小绝招，比如：不用你 *** 心有的数据掉队了怎么办，数据想聚在一起开个小会怎么办，数据队型非得有序怎么办，压力太大了怎么办，一不小心掉坑里了人家还能帮你恢复。另外还有各种骚 *** 作什么序列化啊、排序啊、省内存啊甚至JVM怎么调优都通通帮你想好了。

数据库的维护不需要很久的时间，在着手维护之前你需要学会数据库的基础，即;增 （insert）删（delete）查 （Select）改（Update）就差不多！建议再查看一些与数据库相关的数据，比如说是：《数据库系统概论》，祝你早日学会这些技术！

以上就是关于我现在想在3个月之内学会数据库，现在我都不会但是工作需要我现在真的很急！！！全部的内容，包括:我现在想在3个月之内学会数据库，现在我都不会但是工作需要我现在真的很急！！！、大数据培训需要多久能够学会、参加大数据学习一般需要多长时间等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！