大数据作为一门基础科学，无论在大数据开发及分析、物联网和人工智能算法训练领域，都有着核心技术和职位诉求，那么开发方向都有哪些对口的工作职位呢?

方向一：大数据工程师，大数据开发工程师，大数据维护工程师，大数据研发工程师，大数据架构师等;

方向二：大数据分析师，大数据高级工程师，大数据分析师专家，大数据挖掘师，大数据算法师等;

方向三：大数据运维工程师等。

大数据开发这块年龄影响比较小，因为搞大数据不是简单的编程，编程的份量连1/6都不到，很多时候需要你从服务器、存储、计算、运维等多个方面来分析问题解决问题。

在大数据行业内生存的时间越久，其经验也会越得到肯定，这也是大多数资深IT人士分析大数据或将带来50、60岁的“老”专家的原因。

面对如此光明而诱人的前景，有远见的人，早已给自己安排了后路。

那么，大数据工程师都应该具备哪些技术?

1、Java

Java编程是大数据开发的基础，大数据中很多技术都是使用Java编写的，如Hadoop、Spark、mapreduce等，因此，想要学好大数据，Java编程是必备技能!

2、Python

Python往往在大数据处理框架中得到支持。

3、Linux运维

企业大数据开发往往是在Linux操作系统下完成的，因此，想从事大数据相关工作，需要掌握Linux系统操作方法和相关命令。

4、Zookeeper

ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。

5、R

R语言已经成为了数据科学的宠儿。

6、Hadoop和Hive

Hadoop比其他一些处理工具慢，但它出奇的准确，因此被广泛用于后端分析。它和Hive——一个基于查询并且运行在顶部的框架可以很好地结对工作。

7. Kafka

Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据，通过Hadoop的并行加载机制来统一线上和离线的消息处理，通过集群来提供实时的消息。

8. Spark

Spark 是专为大规模数据处理而设计的快速通用的计算引擎，拥有Hadoop MapReduce所具有的优点，但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

技术层面来说，其实只要有点基础的程序员转型大数据都有天然进阶优势,即使你没有学过以上语言上手 Hadoop也是可以的。