最近半个月开始研究Spark的机器学习算法，由于工作原因，其实现在还没有真正开始机器学习算法的研究，只是做了前期大量的准备，现在把早年学习的，正在学习的和将要学习的一起做个梳理，整理一个Spark机器学习完整流程。本文推荐的书籍注重通俗和实战。
基础知识
Linux基础知识和实战
网络知识
在集群运维时，尤其是生产环境下，各个节点之间的网络问题，至关重要，推荐《鸟哥的Linux私房菜》服务器篇和《Wireshark网络分析就这么简单》，后者的作者是EMC网络存储部门的主任工程师，主要以自己工作中遇到的各种难题，通过调侃的方式，介绍了网络的基础知识（很遗憾，我还没有读完）。
Hadoop基础知识和原理
Hadoop的学习我早年看的书是《Hadoop权威指南》，这本书不推荐，因为确实不好啃，翻译的水平有限，对于初学者来说，容易放弃，我开始学习Hadoop时，应该是1.0时代，这时的三架马车是HDFS和MapReduce，HBase，这几年随着Hadoop的在业界的迅速发展，进入了2.0时代，集成进了雅虎的Yarn资源管理器。当然不管如何发展，HDFS和MapReduce还是Hadoop的核心，最好动手去搭建Hadoop集群（前面Linux的学习在这里就能发挥作用了）。
Spark基础知识和原理
开发语言
在机器学习领域的语言，一定是一门函数式编程语言，其次有强大的第三方科学计算库。
Python
在科学计算领域，Python无疑是第一语言，Spark也是支持Python的，Python的第三方库有NumPy（数值处理库）、SciPy（数学符号计算库）、matplotlib等。
Scala
理论知识
线性代数
如果不熟悉线性代数的概念，要去学习自然科学，现在看来就和文盲差不多 ————瑞典数学家Lars Garding