1.书籍推荐

1.1 Java概述

1.2 Java基础

⏰ 知识点：

collections，I/O，反射，序列化，注解、java锁机制等

1.3 JVM

⏰ 知识点：

垃圾回收算法、jvm内存结构、Jvm调优方法、双亲委派机制等

1.4 数据库及缓存

⏰ 知识点：

1. 各存储引擎间区别、慢sql、索引机制、最左原则、事务原理及实现原理（日志文件redo/undo log、锁技术、 MVCC ）、B+ tree、事务隔离机制、脏读幻读等；

2. redis 数据类型（bitmap、HyperLogLogs等）、对象、底层结构（SDS、双端链表、跳表等）、pipline、 lua 、事务、持久化RDB／AOF、集群部署（复制、sentinal、 cluster ）、分布式锁、red lock 等

1.5 设计模式

⏰ 知识点：

几种常用设计模式-工厂模式、单例模式、外观模式、代理模式、适配器模式、策略模式等

1.6 Spring

⏰ 知识点：

DI、AOP、 io C原理、事务传播机制等

1.7 高并发

⏰ 知识点：

原子类、cas、volatile、信号量、threadlocal、同步协助类、 线程池 、锁、JMM、AQS等

1.8 网络编程

⏰ 知识点：

BIO、NIO（buffer、Channel、selector）、AIO机制和原理、zero copy （mmap、sendfile）、 多路复用 原理（select、 poll 、epoll）

1.9 分布式架构

⏰ 知识点：

了解CAP与BASE，熟悉常用分布式产品原理-分布式消息队列、 分布式缓存 、 分布式数据库 ，分布式注册中心

1.10 分布式存储

⏰ 知识点：

键值数据库、列簇数据库、图数据库等，LSM/ Hash /B tree存储、顺序写等

1.11 数据仓库（知识延伸）

⏰ 知识点：

数仓维度建模理论基础

1.12 大数据（知识延伸）

⏰ 知识点：

1. 了解下 Hadoop 各子项目原理及用处
2. 了解大数据产品体系
3. spark原理、内存模型、 scala 基本编程

1.13 算法（知识延伸）

⏰ 知识点

了解常用统计算法SVM、 感知机 、k近邻法、朴素贝叶斯法、决策树、最大熵模型、支持向量机、 神经网络 等

深度学习常用框架： Caffe, PyTorch , TensorFlow 等

1.14 项目构建

⏰ 知识点

了解项目构建背后的核心思想，对其他构建工具也可大概了解一下ant、gradle

2.知识体系结构概述：

2.1 Java基础

jdk常用类库，io库、collection库、 lang 库、JUC、垃圾回收机制，jvm调优，spi、四种引用、动态代理、 字节码 技术。

2.2 j2ee 基础

servlet 、 jsp 、 JTA 、 jdbc （HikariCP、Druid、c3p0、dbcp等）

2.3 设计模式

常用java设计模式（工厂、单例、外观、代理、 适配器 、策略）。

企业级架构模式（future，reactor，proactor、Master-Worker、生产者-消费者设计模式）等。

2.4 事务

隔离机制、事物传播机制、 分布式事务 （base原理、 2PC 、3PC、TCC）、 Paxos 、悲观锁、乐观锁等

2.5 开发框架

spring mvc，spring boot，spring cloud，mybatis、jpa等

2.6 网络通信

I/O机制：BIO/NIO(mina， netty )/AIO等

序列化：rmi/hession/webservice/ Google protocol buffer/ facebook thrift等

协议：TCP/UDP（粘包、拆包问题），http 1.0/1.1/2.0，https

2.7 中间件

消息中间件(JMS/metaQ/activeMQ/rabbitMQ/rocketMQ/kafka等)

数据中间件：mysql-proxy、tddl、mycat、 sharding -jdbc、 zebra

RPC 服务中间件（dubbo/hsf/tars/thrift/gRPC等）

消息总线： ESB

注册中心：zk、disconf、diamond

2.8 大数据

基础：hadoop（ HDFS 、 MapReduce 、 Yarn ）

计算框架：mapreduce/spark/storm/flink

搜索引擎：lucence（Elasticsearch， solr ，nutch)

大数据存储 ： hive 、redis、es、 mongoDB 、 hbase 、clickhouse、druid、kudu、doris、 Cassandra

查询引擎：hive/spark/presto/kylin/impala

机器学习库： mahout / Spark MLLib

2.9 数仓

数据分层、数仓模型（Kimball/Inmon）、ETL开发、离线数仓、实时数仓、hive/spark内存调优、数据倾斜、 OLAP /OLTP、表类型（全量、快照、增量、拉链表等）、数据质量

2.10 算法

特征工程

常用算法：神经网络（CNN、DNN、 RNN ）、GBDT、分词算法、句法分析、相似度算法、聚类算法等

2.11 其他

SSO、oAuth、HA、开放平台、服务治理（日志跟踪、监控、熔断、降级等）、安全体系、云原生技术体系（微服务、持续交付、 DevOps 、容器化技术 docker 及k8s）、爬虫技术