mysql翻译器（mysql翻译）

计算机编程语言有DW，PHP，Java，python等它们都有什么关系？

1、DW(Dreamweaver)是编程工具，针对Web网页开发HTML、CSS、JavaScript，php等语言的编程工具。

2、PHP是在服务器端执行的脚本语言，适用于Web网页，网站开发用的比较多。配合Html使用，实现访问数据库，操作后台等。Javascript是客户端执行的脚本语言。

3、Java是跨平台语言，Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等，可配合Html使用，可开发大型的企业应用程序。一般用eclipse，myeclipse工具编译。

4、Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，越多被用于独立的、大型项目的开发。独立编译器。后起之秀，你要学习的话，建议学Python。

作为一名IT从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。

首先，编程语言本身与应用场景有比较密切的关系，通常不同的开发场景会采用不同的编程语言，所以当前编程语言的种类也比较多，总体上有600种左右，比较常见的编程语言也有几十种，其中Java、Python和PHP是比较常见的编程语言。

编程语言之间并没有直接的关联关系，但是在同一个技术体系结构下，多个编程语言之间也可以进行合作，比如人工智能平台可能会采用Java开发，但是在开发具体应用的时候，可以采用Python语言等。

从应用场景来看，Java和Python属于全场景编程语言，可以应用的开发场景也比较多，比如Web开发、大数据开发、移动互联网开发、物联网开发等等。当前在大数据和人工智能领域，Python的应用更普遍一些，随着大数据和人工智能的发展，未来Python语言的前景还是比较不错的。

PHP语言主要的应用场景是Web开发，虽然应用场景比较单一，但是由于PHP语言在Web开发领域的份额比较高，所以在Web开发领域有大量的PHP程序员。虽然当前移动端开发获得了快速的发展，开发规模也比较大，但是PHP依然是比较重要的编程语言之一。对于基础比较薄弱的初学者来说，从PHP开始学起也是不错的选择。

最后，对于程序员来说，在程序开发的过程中，通常需要掌握多门编程语言，以应对不同的开发场景。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

从应用场景来看，Java和Python属于全场景编程语言，可以应用的开发场景也比较多，比如Web开发、大数据开发、移动互联网开发、物联网开发等等。当前在大数据和人工智能领域，Python的应用更普遍一些，随着大数据和人工智能的发展，未来Python语言的前景还是比较不错的。

想自学大数据，不知道从哪里学起，有什么书籍和学习路线推荐么？

谢邀！笔者刚签约大数据挖掘工程师岗位，也是在研究生阶段才转为大数据方向。大数据目前正火热，很多同学想要转入，但学习路线对于自学的人来讲因人而异。

拿自身举例，笔者之前是Python数据分析出生，编程能力一般，因此在这个基础上先学习linux基本操作命令，安装ubuntu双系统并进一步安装Hadoop和Spark组件，在此基础上利用Pyspark操作Spark大数据框架进行学习。可以推荐如下书籍：

《Pyspark实战指南》

而要完全进入大数据领域还不够，因为大数据框架比较侧重开发，所以需要有scala语言功底（scala语言是Spark的原生语言），而scala语言跟JAVA关联性很强且完全兼容，所以如果有一定JAVA基础的话完全可以从scala入手，推荐的书籍如下：

《Spark编程基础（scala版）》

视频教程强烈推荐林子雨老师在MOOC慕课上的国家精品免费课程，由浅入深，非常容易上手。

大数据学习可以从最基础的java语言入手，然后去学习Linux&Hadoop生态体系，一些分布式的技术理念，再然后就是学习机器学习，深度学习算法。

阶段一、大数据基础——java语言基础方面

（1）Java语言基础

Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类

（2）JavaWeb和数据库

数据库、JavaWeb开发核心、JavaWeb开发内幕

推荐书籍：

《Effective Java中文版》（第2版）

这本书是学习java必备书籍，看完这本书也就掌握了入门的基础知识。

阶段二、 Linux&Hadoop生态体系

学习大数据离不开hadoop，围绕hadoop有一套生态体系，分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架需要了解并掌握。

推荐书籍：

1、《Big Data》

2、《Hadoop权威指南》

3、《Hive编程指南》

阶段三、 分布式计算。

（1）分布式计算框架

Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算等

（2）storm技术架构体系

Storm原理与基础、消息队列kafka、Redis工具、zookeeper集群

推荐书籍：

1、《Learning Spark》

2、《Spark机器学习：核心技术与实践》

阶段四、机器学习和深度学习算法的学习，可以更好的利用大数据去处理问题。