golang转到大数据开发Hadoop？
这个题目有点难答。作为过来人，试着回答下。
本质
无论是java还是go，还是Hadoop spark，并没有本质区别，它们都是为特定业务场景开发服务的。
比如java go之类的，主要用于业务开发，比如各种业务系统，各种app或者pc服务的后台，比如淘宝的后台。主要解决的矛盾是实现业务需求，规模上来后。矛盾就是如何解决并发，流量，服务治理，扩容，存储，容灾这类问题。
而Hadoop spark是解决大数据问题而产生的，它们解决问题的场景是围绕大数据的存储，计算而产生的。当业务规模没有上来的时候，数据存储和计算都不是问题，比如统计用户的行为点击等等，用户分析，根本不需要这些大数据框架，往往单机就能搞定，单机能搞定的，肯定不需要多机分布式了。
当业务规模上来后，单机或者说。即使是多机，不用这些大数据套件，从头造轮子，很不可取和经济。好比原来餐馆是雇人洗盘子，餐馆生意好了些，再雇多几个人，也能搞定。经过发展，生意越来越好了，发现直接购买洗碗机或者外包给洗碗公司，效率更高质量又好。放在我们的业务上也一样，规模上来后，就必须用上这些为大数据而生的Hadoop spark了，发现用了又快又好。
说了这么多，本质上来讲，是根据业务规模来转的。而不是无缘无故转的，有需求才有转的动机。
另一个方面，对于个人来说，等待业务需要再来转，未免有点迟了。在技术出现的时候，非常考验个人技术洞察力，一个人的经历毕竟有限。选一门技术天花板高，未来使用广的技术路线就非常重要了，提前布局学习。在2010年那会儿，Hadoop刚兴起的时候，那时候你如果对Hadoop数字熟悉并专攻，比如成为Hadoop commiter，可以毫无疑问的说，一定是行业大牛了，阿里百度腾讯随便进了。所以你看，选择和努力同样重要。
为什么转，一个是业务需要，一个是个人技术洞察力，提前布局。Hadoop spark在相当长时间内，都是需求很旺的技术了，只不过，经过近10年的发展，现在大数据这块，基本是百花齐放了。比如flink，有取代spark的趋势了。
总结下，向内看业务需要，向外看行业需要。
欢迎关注 coding老王，专业打代码三十年。
