​昨天与一公众号读者交流，发现大家的问题都很类似。所以贴出来，大家如果是数据库或者其他技术入门的话，可以参考：

 

#1 视频还是看书

#2 自学还是跟学

#3 知识不够用

 

我把与这位读者的原话贴在这里，可以留言一起讨论：

 

 

 

 

 

 

1 视频还是看书

 

误把资料当本事。搜集了几十个G的资料在电脑上，囤积了几十本书在书架上，以为自己都掌握了这些内容，还嫌不够。到处去蹭资料，看到免费资料就想下。结果劳民伤财，下载的功夫花了不少，技能也掌握了不少。但属于刻在自己脑子里的，什么都没有！

 

初学者，老老实实看书。

 

书经过出版社编辑老师的校正，会比一般免费得来的资料更有质量保障。我个人更倾向于读英语原版书，因为国外引进的读书又经过一层筛选，好东西才会引进。这相当于经过了2次优劣的检验。

 

当然，国内的书也有很多优秀的，但大都是东平西凑，或者读研读博的同学们帮导师凑的一本书。缺乏实战写出来的书，很鸡肋。拼凑出来的书，更是浪费时间。除非你对这门课程真是门外汉，否则不推荐读那种满是概念的书。

 

进阶者，多看视频，优质的付费文章或者视频。

 

就像极客时间《每日一课》中的Qcon视频，都是来自一线BAT,FLAG的实战操作视频。比如作为数据架构师，大数据项目负责人，我经常会挑一些大厂的视频来看，主要围绕着他们为什么要迁移到大数据平台，他们如何应用大数据产生价值，以及怎么落地基建。

 

比如字节跳动的大数据平台开发。讲师拿出来讲的案例是他们正在用的 Hadoop 平台，用了4万台机器作为集群的配置，生产过程中会出现的一些问题以及解决之道。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

再比如eBay，作为数据仓库的爱好者与实践者，我特别想知道作为互联网头部公司，他们内部的大数据玩法，这次他们用的是 Spark。讲师将所有从传统数据仓库迁移到Spark平台的问题以及步骤，注意事项等都清楚明白的讲出来了。说句功利的话，你就是把这段话背下来了，去别的公司面试大数据工程师，那也是绰绰有余啊

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

看过也不代表你就会了，自己动手写出来，做出实验才表示自己真正做过思考了。罗列下之前我写的大数据文章，基本都是这个路数。

 

Hortonworks ， 快速上手 Hadoop 的套件

Spark SQL 大数据处理

 

 

2 自学还是跟学

 

跟学的好处是你可以学到别人是如何学习，如何看待问题的。人与人之间最大的差异是思维的差异，你看到别人好的学习方法当然想学，看到别人的思考角度不同，求学渠道不同，渠道资源质量不同，当然你也就跟着一起学了。这是最大的好处。

 

多暴露自己的偏见，多将自己的不足暴露在学习过程中，而不是实践过程中，挽回的代价很低。

 

我不是为我的知识星球站队，如果你不会自学，没有特定的知识背景，请勿参加任何收费的知识星球，很简单。那是浪费。自己没有那个知识背景，进到一个陌生领域的星球，那就是浪费资源，也浪费自己的时间，弄不好，还要造成自己愚笨的自我暗示，带来阴影。

 

有的朋友说，我就是想跟着大伙一起学习，怎么就不能参加任何付费项目了呢？有个很简单的例子，我在回答中也说过了，三个月内你能否将一本书完整的看完，比如《SQL必知必会》《数据库索引技术》，就可以判断出你是否适合长期在技术领域发展。三个月都不能好好看完一本书的，你的自学能力也就那样，没戏！

 

我买的书，不计其数。求学与工作期间，也出借不少给朋友与同事. 唯一一位在借完书后，两个礼拜看完的，我记得是电商数仓项目的时候，我把一本刚买的SQL Server Analysis Service 借给他读了。他在两个礼拜之内，搞出来一套 ASP.NET+SSAS的运维工具，相当了不起。因为 AMO 我也是随口一说，结果小伙子当真了，据说熬了几天夜班，搞定了。现在在南京一家外贸公司当技术总监，拿干股。

 

3 知识不够用

 

出于对自己技术能力的不自信，很多IT人在求职时，面试时，都会对自己不懂的领域望而却步。这就是典型的缺乏对自己自学能力的信心。其实很少人在岗位上一开始的时候就有足够的知识去应付工作所需。都是慢慢积累出来的。

 

所以想清楚前面两点，这点还怕什么呢？就像问答中的读者苦恼的问题一样，没有任何hadoop 的基础，要负责 Hadoop 项目怎么办呢？跟着我上面的思路走下来，不出一个月你就是高手哇。如果看完我之前的文章，Hadoop 常用的 Hive 工具，就是 SQL 啊，一个礼拜就上手，好不好！

 

自学是门手艺！我发现，很多人其实不爱这门手艺。