1.了解MySQL的基本知识，懂得写一些简单的SQL； 2.掌握建立简单的索引，熟练掌握数据库的操作； 3.深入了解数据库索引、存储引擎原理以及运行机制，能有效地构建高性能课扩展的数据库结构/架构，有效地优化数据库性能配置并加以调试，分析数据库运行状态；

1、熟练操作linux常用命令以及网络配置； 2、熟悉用户以及权限管理操作； 3、熟悉软件包以及系统命令管理； 4、学习shell编程； 5、了解hadoop搭建的三种方式（单机模式、伪分布模式和分布式模式）； 6、掌握搭建伪分布式以及完全分布式集群； 7、认识hadoop生态系统，了解MapReduce分布式计算框架、Yarn集群资源管理和调度平台、hdfs分布式文件系统、hive数据仓库、HBase实时分布式数据库、Flume日志收集工具、sqoop数据库ETL工具、zookeeper分布式协作服务、Mahout数据挖掘库等； 8、学习MapReduce。MapReduce作为hadoop核心内容，要先易后难，首先了解Mapper、Reducer、Configuration、job等这些类，熟悉MapReduce流程图，然后写简单的单词统计代码，整体上对MapReduce认识，之后学习MapReduce运行机制，熟练掌握MapReduce输入格式，MapReduce输出格式，以及MapReduce优化； 9、学习hadoop另一个核心内容HDFS。首先明白什么是hdfs，然后再分析hdfs的优点，然后再了解Hdfs的缺点有哪些，HDFS是如何存储数据的，采用什么样的架构，我们如何实现读取和写入HDFS中的文件，以及了解HDFS副本存放策略，同时熟练掌握HDFS的shell访问和java访问；

1.了解Spark到底是什么 2.了解Spark和Hadoop的区别 3.了解Spark的基础知识和概念 4.掌握Spark RDD的基本操作和特性 5.掌握Spark程序的开发和部署流程 6.深入理解面向函数式编程语言Scala开发Spark程序； 7.深入剖析Spark底层核心RDD的特性； 8.深入理解RDD的缓存机制和广播变量原理及其使用 ； 9.掌握Spark任务的提交、任务的划分、任务调度流程。

Scala的各种语言规则与简单直接的应用，通过学与本课程能具备初步的Scala语言实际编程能力。本部分课程也可以视为大家下面学Spark课程的铺垫,供学生扫盲熟悉Scala .提前进行热身运动。

1. 了解Flink框架技术，能独立进行安装及环境配置； 2. 熟悉Flink编程基础； 3. 熟悉Flink源码分析； 4. 能够使用Flink进行实时与离线数据的处理； 5. 能够使用Flink解析kafka的流式数据并进行计算； 6. 能够使用Flink对电商的各种指标进行实时的计算； 7. 能够了解真正的Flink如何进行开发；