一、阅读源码
深入的Java学习，经典源码阅读不可少：
常见的设计模式，编码必备
Spring5，做应用必不可少的最新框架
MyBatis，玩数据库必不可少的组件
画外音：大家扪心自问，除了写业务代码，看过多少优秀开源代码？
二、分布式架构
随着业务越来越复杂，数据量越来越大，并发量越来越大，单体的架构模式显然再也无法对应，作为Java后端架构师，高并发+高可用+海量数据的分布式架构体系，是必不可少的：
分布式架构原理
分布式架构策略
分布式中间件
分布式架构实战
画外音：额， 这些分布式理论，是不是感觉零零星星的听过，而没有系统的学习过？
三、微服务技术体系
服务分层，微服务架构是架构升级的必由之路，Java技术体系，和微服务相关的技术有哪需要深入学习呢？
微服务框架
Spring Cloud
Docker与虚拟化
微服务架构
画外音：明明知道Spring Cloud和docker是趋势，为啥没有下定决心学习呢？
四、性能优化
作为后端Java技术专家，解决性能问题才真正体现一个架构师的功力。只有深入学习JVM底层原理，Mysql底层优化以及Tomcat调优，做到知其然，知其所以然：
性能指标体系
JVM调优
Web调优
DB调优
画外音：是不是遇到性能问题就无从下手？只能靠瞎打日志，瞎改代码？解决性能问题，不能只靠运气！
五、典型业务实战
阅读完Java源码，学习完分布式与微服务架构体系，掌握了性能调优的方法，仅仅做一个ppt架构师怎么行？
用户中心，单点登录怎么玩
商品，店铺怎么玩
订单，支付怎么玩
通知，推送怎么玩
数据分析怎么玩
唯有通过实战，才能站上华山之巅。
一、Java语言以java语言为基础掌握面向对象编程思想所涉及的知识，以及该知识在面向对象编程思想中的应用，培养学生设计程序的能力。掌握程度：精通。
二、数据结构与算法掌握基于JAVA语言的底层数据结构和算法原理，并且能够自己动手写出来关于集合的各种算法和数据结构，并且了解这些数据结构处理的问题和优缺点。掌握程度：熟练。
三、数据库原理与MYSQL数据库掌握关系型数据库的原理，掌握结构化数据的特性。掌握关系型数据库的范式。通过MYSQL数据库掌握通过SQL语言与MYSQL数据库进行交互。熟练掌握各种复杂SQL语句的编写。掌握程度：熟练。
四、LINUX操作系统全面了解LINUX。详解LINUX下的管理命令、用户管理、网络配置管理等。掌握SHELL脚本编程，能够根据具体业务进行复杂SHELL脚本的编写。掌握程度：精通。
五、Hadoop技术学习Hadoop技术的两个核心：分布式文件系统HDFS和分布式计算框架MapReduce。掌握MR的运行过程及相关原理，精通各种业务的MR程序编写。掌握Hadoop的核心源码及实现原理。掌握使用Hadoop进行海量数据的存储、计算与处理。掌握程度：精通。
六、分布式数据库技术:精通分布式数据库HBASE、掌握Mongodb及了解其它分布式数据库技术。精通分布式数据库原理、应用场景、HBASE数据库的设计、操作等，能结合HIVE等工具进行海量数据的存储于检索。掌握程度：精通。
七、数据仓库HIVE精通基于hadoop的数据仓库HIVE。精通HIVESQL的语法，精通使用HIVESQL进行数据操作。内部表、外部表及与传统数据库的区别，掌握HIVE的应用场景及Hive与HBase的结合使用。掌握程度：精通。
八、PYTHON语言精通PYTHON语言基础语法及面向对象。精通PYTHON语言的爬虫、WEB、算法等框架。并根据业务可以基于PYTHON语言开发完成的业务功能和系统。掌握程度：精通。
九、机器学习算法熟练掌握机器学习经典算法，掌握算法的原理，公式，算法的应用场景。熟练掌握使用机器学习算法进行相关数据的分析，保证分析结果的准确性。掌握程度：熟练。
十、Spark高级编程技术掌握Spark的运行原理与架构，熟悉Spark的各种应用场景，掌握基于SparkRDD的各种算子的使用;精通SparkStreaming针对流处理的底层原理，熟练应用SparkSql对各种数据源处理,熟练掌握Spark机器学习算法库。达到能够在掌握Spark的各种组件的基础上，能够构建出大型的离线或实时的业务项目。掌握程度：精通。
十一、真实大数据项目实战通过几个真实的大数据项目把之前学习的知识与大数据技术框架贯穿，学习真实的大数据项目从数据采集、清洗、存储、处理、分析的完整过程，掌握大数据项目开发的设计思想，数据处理技术手段，解决开发过程中遇到的问题和技术难点如何解决。