之前自己总结过的，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，是一个相对完整的从基础到高级的修炼过程。基本上涵盖了一个合格的Java后端工程师必备的技能点。
本大纲会持续更新^_^…
一. Git版本管理+Maven工程管理
二. Java编程
书籍
- ：学习java必备的黄皮书，入门推荐书籍
- ：黄皮书之高级特性
- : 对java并发库讲得非常透彻
- ：Java之父高司令都称赞的一本java进阶书籍
- :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:
- NIO:
- 序列化:
- RPC框架:
- 并发编程：
三. 开发框架
- Spring:
- Spring MVC:
- MyBatis:
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
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
-
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
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：
- JMS Overview:
- Basic JMS API Concepts:
- The JMS API Programming Model:
- Creating Robust JMS Applications:
- Using the JMS API in Java EE Applications:
- Further Information about JMS:
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：
Kafka
基于日志的消息队列，首推当然是官方文档:
-
：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
-
: 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: 。
此外，这里有一篇博文讲的比较详细：。
开源实现
- Google oauth core：
- Spring oauth:
八. Redis设计与实现
-
: 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。
-
：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
- : 分布式计算的鼻祖，当然谷歌现在推出了新的计算模型。
- : 分布式存储技术，开源实现为HDFS
- : 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：
实时计算
- ：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
- ：无须多言，Haoop是大数据必须要学习的技术，涵盖了HDFS+HBase+MapReduce。
- ：Hive降低了MapReduce程序编写的复杂度。
- ： 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：
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。