检查python版本 CMD =>python
⑵ pip 20.1.1 版本，配置环境变量
检查pip版本 CMD =>pip -V
更新命令： python -m pip install --upgrade pip （或：pip install --upgrade pip）
3.安装requirements.txt、requirements-dev.txt文件依赖
命令：
⑴ pip install -r requirements.txt
⑵ pip install -r requirements-dev.txt
4.安装-e
命令：
⑴ pip install -e .
5.安装虚拟环境
命令：
⑴ pip install virtualenv
⑵ virtualenv env
启动虚拟环境：
⑴ 目录：D:\ys\superset\env\Scripts>activate
⑵ 激活成功：(env) D:\ys\superset\env\Scripts>
退出虚拟环境：deactivate
6.安装.whl文件安装包（全部带.whl的文件）
pip install xxx.whl
示例：
pip install D:\ys\superset\pyrsistent-0.15.7-cp37-cp37m-win_amd64.whl
7.项目启动
⑴ 虚拟环境启动成功
⑵ 启动：
① 目录：(env) D:\ys\superset\superset\bin>python superset run
② 命令：python superset run
前言，学大数据要先换电脑：保证电脑4核8G内存64位操作系统，尽量有ssd做系统盘，否则卡到你丧失信心。硬盘越大越好。
1，语言要求
java刚入门的时候要求javase。
scala是学习spark要用的基本使用即可。
后期深入要求：
java NIO，netty，多线程，ClassLoader，jvm底层及调优等，rpc。
2，操作系统要求
linux 基本的shell脚本的使用。
crontab的使用，最多。
cpu，内存，网络，磁盘等瓶颈分析及状态查看的工具。
scp，ssh，hosts的配置使用。
telnet，ping等网络排查命令的使用
3，sql基本使用
sql是基础，hive，sparksql等都需要用到，况且大部分企业也还是以数据仓库为中心，少不了sql。
sql统计，排序，join，group等，然后就是sql语句调优，表设计等。
4，大数据基本了解
Zookeeper，hadoop，hbase，hive，sqoop，flume，kafka，spark，storm等这些框架的作用及基本环境的搭建，要熟练，要会运维，瓶颈分析。
5，mapreduce及相关框架hive，sqoop
深入了解mapreduce的核心思想。尤其是shuffle，join，文件输入格式，map数目，reduce数目，调优等。
6，hive和hbase等仓库
hive和hbase基本是大数据仓库的标配。要回用，懂调优，故障排查。
hbase看浪尖hbase系列文章。hive后期更新。
7，消息队列的使用
kafka基本概念，使用，瓶颈分析。看浪尖kafka系列文章。
8，实时处理系统
storm和spark Streaming
9，spark core和sparksql
spark用于离线分析的两个重要功能。
10，最终方向决策
a),运维。（精通整套系统及故障排查，会写运维脚本啥的。）
b),数据分析。（算法精通）
c),平台开发。（源码精通）
自学还是培训？
无基础的同学，培训之前先搞到视频通学一遍，防止盲目培训跟不上讲师节奏，浪费时间，精力，金钱。
有基础的尽量搞点视频学基础，然后跟群里大牛交流，前提是人家愿意，
想办法跟大牛做朋友才是王道。
