1樓：
搞個虛擬機器，三颱起
按照文件的描述去部署
然後乙個個運算元實驗過去
嘗試各種不同的配置項
嘗試各種高階特性，例如狀態後台，cep，機器學習等看更有深度的原理性文章，然後去實驗
嘗試看原始碼跟原理相互印證
這樣你大概能混過一些面試，但幹活還差了一點自學也就到這水平了，大資料是屠龍技，還得真的屠過龍才能有質的飛躍
2樓：
英語不錯的話，建議直接去讀官網的文件， 找下 Get Started 或者 Tutorial，直接手擼 Examples。
另外就是 Spark 和 Flink 安裝包裡都有大量的 Examples，結合文件仔細乙個個看下來，上手很快的。
3樓：加公尺谷大資料老師
想走大資料方向的話，Flink和Spark要學，但是建議Hadoop生態圈的元件也學一學，先學Hadoop，然後上Spark比較好。因為Spark本身是在Hadoop的MapReduce基礎上進行了改進，離線批處理的思想，兩者是一致的。
另一方面，Hadoop生態圈，作為大資料分布式基礎架構來說，在企業級的應用場景當中，還是保持著比較高的市場占有率的，早先開始布局大資料的企業，很多都是從Hadoop開始的，所以基本基礎還是在的。
Spark的學習的話，有了Hadoop的基礎，其實是更順理成章的。其次是在學Spark之前，最好是能夠稍微學一下Scala這門語言，這是Spark的源語言，對於後續提公升，研讀原始碼有好處。
Spark學習路線可參考：Spark快速入門——Spark程式設計模型——SparkSQL——Spark Streaming
Spark之後，其實也可以學一學Kafka，這兩者的配合使用在實際應用場景當中還是比較多的。
Flink的話，作為流批一體的代表框架，建立的是一種新的資料處理思想。
大致學習路線可參考：Flink入門——Flink程式設計模型及核心概念——Flink API程式設計——Flink中Time及Windows的使用——Flink 內部機制
Flink的反壓與Spark相比有什麼差別？
青牛 你好。spark是乙個很強大的生態系統，flink目前也只能替代spark的Spark Streaming元件，1 處理可以實時 Spark Streaming 是微批處理，執行的時候需要指定批處理的時間，每次執行 job 時處理乙個批次的資料，嚴格來講達不到實時處理，Flink 是基於事件驅...
spark和deeplearning的關係，想做大資料處理分析，是該專注於學spark還是深度學習呢？
這得看題主將來是想找更偏重演算法還是更偏重系統開發的工作？當然兩者都擅長是最好了，但是Spark好像不太適合deep learning，題主可以嘗試一下別的框架，例如tensorflow，caffe。ps，我覺得你應該聽你導師的，逃！ 沒啥關係。Spark只是乙個框架而已，在上面跑什麼都可以。把Sp...
MapReduce和Spark主要解決哪些方面的問題？
框架不一樣 Tasks 並行化 MapReduce Map 把上傳到hdfs的檔案一行一行拆分，然後你coding一對key value pair，傳送給不同worker nodes，Reduce 進行統一key的歸納操作 Data 並行化 Spark mapreduce和spark都是分布式計算框...