包含postgresql辅导的词条

零基础学java会不会很难？

java学习是由简入难的学习过程，不要一开始就学习太过于复杂的，也不要好高骛远，java的基础很重要，所以一定要由最基础的学起，抓实基础。下面是笔者结合大部分情况为大家总结的java学习流程。

首先要学习java的基础知识。

不要被新技术迷惑，所谓万变不离其宗，新技术都是基于java的基础之上，如果基础不扎实，对于这些新技术的理解也是一知半解，学不到根源。

1、web开发

全面的JEE的web开发知识：Servlet+JSP+javaBean+TagLib，到这里做一个完整的web应用项目开发。

2、J2EE基础

j2ee说白了就是做网页，这时候你要从先从java里脱身出来，学些跟网页有关的东西：

html：很简单的东西不是太笨的话半天左右即可搞定

js：易学难精，想速度找工作不必花太多时间，随便买本javascript书略读并备查推荐：JavaScript高级程序设计;JavaScript权威指南

数据库：如果没有基础的话，建议多花时间，至少一个月,开始建议用mysql,然后是oracle,然后是sqlserver,这段时间最关键的就是sql语言的编写。

xml

就是一种封装数据的格式，没啥好学的，练习一下怎么用dom4j或者jdom读写xml即可。

jsp,servlet,tomcat:

这段时间说白了就是用jsp来做个网站。

3、EJB开发

包含全面的EJB知识：1)EJB入门和无状态会话Bean;2)有状态会话Bean;3)BMP和CMP是实体Bean;4)jms和MessageDrivenBean;5)事物和安全(JTA、JTS和JAAS);6)WebService的开发和应用;

要会使用主流框架

框架其实就是一些公共的工具和方法，被封装到一个盒子中供您随时调用，框架也是别人用java编写的，相当于你调用别人写好的公共模块，可以节省时间和效率。

主要是3大框架：

mvc框架:struts,struts2,jsf

or映射框架:hibernate,ibatis

业务框架:spring

重量级框架:ejb

这些都是java技术的学习知识点，和学习流程，先简单后复杂，由一个点展开，开始更广更深入的学习。这些都掌握了以后，你就学会了java，具备了基本编程的能力，但不代表你就能做出优良的产品，所以接下来，你就需要学习软件工程和算法，进一步的提升自己。

相关问答

Q1: 安装软件时出现 a sharing violation occurred while accessing an unnamed file 怎么办

意思是访问一个未命名的文件时发生共享冲突。

这样应该是你正在安装的这个软件与你电脑别的软件有冲突。一般是指某个DLL文件。但也有时是数据库或者其他什么的。

Q2: 如何开始学习大数据？

首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。

Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。

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。

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。

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都可以操作它，因为它们都是用JVM的。