java大数据：
java语言应用广泛，可以应用的领域也非常多，有完整的生态体系，另外java语言的性能也非常不错。java与大数据的关系非常密切，一方面目前做大数据开发的程序员很多都是从java程序员转过去的，另一方面hadoop平台本身就是基于java开发的，所以目前java在大数据开发中的使用还是非常普遍的。
但是java语言自身的复杂性让很多程序员感觉它有点“重”，格式化的东西有点多，所以在spark平台下，很多程序员更愿意使用scala语言，而scala就是基于java语言构建的，所以有java基础再学习scala还是比较轻松的。
单学java以后的就业方向单一，薪资就是java程序员的基本水平；而java大数据工程师，以后的就业可以从事java方面的工作，也可以涉猎大数据方面的工作，因为对大数据技术知识有所涉猎，所以谈薪资的资本会高一些：
由于大数据产业的火爆，相关职位的待遇也是水涨船高。可以看到，大数据相关职位的平均薪资已经超过月薪20k。
python大数据：
python语言目前在大数据和人工智能领域有广泛的应用，原因就是python语言简单、直接、方便。python语言是脚本式语言，所以学习起来比较简单，脚本语言的天然属性就是直接，所以python在语法结构上比java要“轻”很多。
另外，由于python有丰富的库支持，所以python做软件开发也非常“直接”，程序员的作用有点像做“集成”的感觉。目前python在hadoop和spark平台下的使用都非常普遍，而且越来越多的java程序员转向使用python，因为没人愿意复杂。
但是python缺点也比较明显，那就是python的性能远不及java，另外与大数据平台的耦合度也不如java好。但是如果你使用python做算法实现、数据分析、数据呈现等应用是完全没有问题的，效率也比较高。
总之，如果做大数据开发，小编建议java和python最好都学习一下（主学java），语言本身就是工具。
信息技术与经济社会的交汇融合引发了数据的迅猛增长，数据已经成为企业发展的基础战略资源，大数据一词对于我们来说已经不再陌生，无论成与败，大数据平台的建设都已在、医疗、工业、物流、金融、旅游等各个行业得到了一定的应用。
我认为大数据与soa理念落地的道路有些相似，都是从概念开始，炒的火热，之后逐步淡出人们的视线，因为理念正在真正的走向落地。而现在的大数据建设正处于概念后期，落地前期阶段，相信未来大数据的发展趋势无论从技术发展角度，还是企业、个人应用角度，都会越来越快，越来越广、越来越普及。
其实原因很简单，从个人角度、企业需求、技术发展几个角度就可以明白：
个人角度
个人角度来说，大数据正在有效的提升客户体验，很多人觉得大数据概念离我们很遥远，其实生活中我们已经在无形中享受大数据带来的便利，就拿我们在用的今日头条app来说，每次打开头条，它都能为我们推荐喜欢看到的文章；每次打开淘宝，搜索一个产品之后，周围的推荐都是相关的产品，其实这就是大数据技术所带来的功能。
企业需求
伴随着信息化的快速发展、数据量加大，企业有信息化系统、节省办公效率已经不再稀奇，真正拼的是如何有效利用起数据资源，在千篇一律的经营模式下掌握客户所求，出奇制胜；在风雨难测的市场环境下快速调整业务，推陈出新；在看似平稳的发展趋势下有效规避风险，掌控未来。正如第一点所讲，大数据可以有效提升用户的最终体验，那么对于企业来说，怎可能错失这么有效的工具？只不过需要企业在建设过程中注重稳扎稳打，根据业务现状、信息化基础设施、顺势而为即可。
技术发展
技术是实现大数据平台构建的重要支撑，提到大数据一定会连带一些热词，如物联网、人工智能、hadoop、spark等，有的是工具、有的是架构、有的是理念。我认为未来基于云上的数据决策分析将会备受瞩目，因为将数据分析业务迁移部署至云端维护，可以有效减少企业运营和技术的维护成本，做到更加优化。
