Java后端工程师学习大纲

之前自己总结过的Java后端工程师技能树，其涵盖的技术点比较全面，并非一朝一夕能够全部覆盖到的。对于一些还没有入门或者刚刚入门的Java后端工程师，如果一下子需要学习如此多的知识，想必很多人会望而却步。

本文截取了技能树中的一些关键技能点，并辅以学习资料和书籍推荐，做为Java后端工程师的一个入门或者入职学习计划，基本上涵盖了一个合格的Java后端工程师必备的技能点，是一个相对完整的从基础到高级的修炼过程。当然，这只是一个大纲性指引的东西，也主要针对的是Java后端这个职位，并不会面面俱到，也不会很详细的讲述。毕竟其中每一个知识点深入下去都是可以成书的。另外，像数据结构、计算机网络等计算机科学基础知识，我认为是从事计算机专业的人必备的知识点，因此并不包括在内。如果要一个很全的知识点可以移步Java后端工程师技能树。

一. Git版本管理+Maven工程管理

微博新兵训练营课程——环境与工具

二. Java编程

书籍

《Java核心技术(卷1)》：学习java必备的黄皮书，入门推荐书籍
《Java核心技术(卷2)》：黄皮书之高级特性
《Java并发编程实战》:
对java并发库讲得非常透彻
《Effective
Java》：Java之父高司令都称赞的一本java进阶书籍
《写给大忙人看的Java
SE 8》:涵盖了java8带来以及java7中被略过的新的java特性，值得一看

资料

Socket编程: http://ifeve.com/java-socket/
NIO: http://ifeve.com/java-nio-all/
序列化: http://ifeve.com/java-io-s-objectinputstream-objectoutputstream/
RPC框架: http://dubbo.io
并发编程：http://ifeve.com/java-concurrency-constructs/

三. 开发框架

Spring: 跟开涛学Spring3
Spring MVC: 跟开涛学SpringMvc
MyBatis: MyBatis实战教程 MyBatis学习

对于这些框架或者是一些常用的软件，个人最推崇的还是阅读官方文档来学习。当然，看这些资料能让你入门地更加快速一些。

更进一步的，在学会使用之后，去阅读这些框架或软件的源码是必不可少的一步。阅读源码的一种比较好的步骤如下：
1) 先阅读架构文档
2) 根据架构，将源码文件以模块（或上下层级）分类
3) 从最独立（依赖性最小）的模块代码读起
4) 阅读该模块功能文档
5) 阅读该模块源代码
6) 一边阅读一边整理「调用关系表」
7) goto 3

四. 性能优化与诊断-系统

《Linux服务器性能调整》

学习内容：
Linux概述
性能分析工具
系统调优
Linux服务器应用的性能特征
调优案例分析

五. 性能优化与诊断-JVM

《Java性能优化权威指南》
学习内容：
JVM概述
JVM性能监控
JVM性能剖析与工具
JVM参数与调优步骤
JVM调优案例分析

《深入理解Java虚拟机(第二版)》

六. 消息中间件

JMS

最为经典，也比较简单的一个消息中间件规范，ActiveMQ是其一个实现。但由于自身的一些局限，不再推荐使用。
大规模分布式消息中间件简介：http://blog.csdn.net/huyiyang2010/article/details/5969944
JMS Overview: http://docs.oracle.com/javaee/6/tutorial/doc/bncdr.html
Basic JMS API Concepts: http://docs.oracle.com/javaee/6/tutorial/doc/bncdx.html
The JMS API Programming Model: http://docs.oracle.com/javaee/6/tutorial/doc/bnceh.html
Creating Robust JMS Applications:http://docs.oracle.com/javaee/6/tutorial/doc/bncfu.html
Using the JMS API in Java EE Applications: http://docs.oracle.com/javaee/6/tutorial/doc/bncgl.html
Further Information about JMS: http://docs.oracle.com/javaee/6/tutorial/doc/bncgu.html

RabbitMQ

RabbitMQ是AMQP(The Advanced Message Queuing Protocol)协议的实现。适用于需要事务管理、对消息丢失很敏感的应用场景。对比kafka来看，RabbitMQ更为强调消息的可靠性、事务等。通过阅读官方文档学习即可：官方文档

Kafka

基于日志的消息队列，首推当然是官方文档: http://kafka.apache.org/documentation.html

kafka中文教程：比较不错的中文教程
学习内容：
开始学习kafka
入门
接口
配置
设计
实现
什么是kafka
什么场景下使用kafka

kafka-study:
笔者在学习kafka时的一些笔记

七. OAuth认证技术

原理

OAuth是目前最为流行的第三方认证技术，即如何为第三方应用提供基于自己系统帐户体系的认证。目前，微博、微信、QQ、Facebook、Twitter基本上都是通过此协议让第三方应用集成的。简单的介绍可见百度百科简介: OAuth。

此外，这里有一篇博文讲的比较详细：OAuth的机制原理讲解及开发流程。

开源实现

Google oauth core：http://oauth.net/code/
Spring oauth: http://projects.spring.io/spring-security-oauth/

八. Redis设计与实现

Redis命令:
使用当然要看这份权威文档，也是平常开发中最常用的参考资料。

Redis设计与实现：可以通过此文档来学习Redis的原理。当然，自己去看redis的源代码更是不错的选择。
学习内容：
常用命令以及数据结构
内部数据结构
内存映射数据库结构
redis数据类型
功能的实现
内部运作机制

九. 数据相关

理论基础

MapReduce:
分布式计算的鼻祖，当然谷歌现在推出了新的计算模型。
GFS:
分布式存储技术，开源实现为HDFS
Bigtable:
稀疏大型数据库(列数据库)技术，开源实现为HBASE。

作为业界良心的google还有其他许多先进的分布式技术，其论文也非常值得去研读。可以通过此链接获取一些论文的内容：http://www.chinacloud.cn/show.aspx?id=14382&cid=11

实时计算

《Storm分布式实时计算模式》：虽然twitter推出了新一代的Heron，但Storm仍是目前应用最为广泛的实时计算技术。
Spark streaming: ：Spark带来了基于批处理的实时流计算技术，对比Storm各有优劣。

离线计算

《Hadoop权威指南》：无须多言，Haoop是大数据必须要学习的技术，涵盖了HDFS+HBase+MapReduce。
《Hive编程指南》：Hive降低了MapReduce程序编写的复杂度。
《Spark快速大数据分析》：
Spark引进的基于RDD的计算模型大大提高了离线计算的性能，相对于MR来说是更为领先的离线计算技术。

Lambda架构

大数据领域的经典架构方案，融合了离线和实时计算模型，对外能够提供稳定可靠的数据。对此架构的剖析可见此篇文章：Linkedln技术高管Jay
Kreps：Lambda架构剖析

机器学习

除了个性化推荐系统之外，CTR预估、广告推荐、预测模型都是机器学习的应用场景。
《推荐系统实践》
《计算广告》
《集体智慧》
《机器学习》