建议按以下步骤学习：

1. 先去找一本 spark 的书入门， 或者网络上的资料也行，想省事在极客时间上买个 spark 的课程也可以。 然后自己找教程搭建 HDFS, Hadoop。 然后写 demo 把 spark 程序提交到 hadoop 集群上， 计算结果和数据保存在 hdfs 上。 走通这些步骤就算入门了。
2. 开始编写一些测试工具， 包括但不限于：造数工具， 数据质量监控脚本， 功能测试脚本等等。
3. 深入学习 spark， 尤其压了解 shuffle 是个什么东西， 因为这个东西是分布式计算的精髓。 知道 spark 的 task， stage 和 job 的原理，知道 partiton 和 task 的关系。 知道数据集是如何分布的。 这个阶段要弄明白分布式计算的原理， 这个很重要，到了后面你会发现其他的分布式计算系统也都是这么设计的，只是各自的侧重点不一样。 大数据领域对新手很不友好， 尤其对测试领域的新手更不友好。 其中一个原因就是你在一个产品里会发现 N 多种大数据组件， 比如 HBASE（负责点查）， CK（负责批查），Hadoop（负责批处理），Flink（负责流计算），Kafka（负责消息引擎）等等。 所以你需要先弄明白分布式计算的核心原理， 这样触类旁通你在学其他大数据组件的时候， 就会发现比较容易了。 这也为后面你在大数据的场景中设计性能，高可用，兼容性等测试场景做准备。
4. 开始学习流计算： 主要学习 Flink 和 Kafka 就可以。 这是行业内最流行的技术选型。 不用要求写的代码有多 6， 需要能够写不同类型的生产者消费者，Flink 的简单程序。 知道 kafka 和 flink 的精准一次性语义是什么含义， 不同的语义用在不同的场景。 知道 checkpoint，反压等原理。 知道如何设计数据一致性测试和性能测试。
5. 开始触类旁通的学习其他大数据组件， 比如 hudi，ck，hbase，kudu，impala 这些，因为一个产品里大概率是有 N 多个大数据组件的。 大数据恶心的地方就在于没有一个组件能应付所有场景的。 为了追求极致的查询性能它可能是需要用 CK， 但是用了 CK 你就发现他除了批量查询其他的能力跟屎一样，所以为了弥补其他能力你就又得引入其他的大数据组件， 然后一份数据双写，三写甚至 N 写到多个存储组件里。 所以每一种组件你都要有所了解。 然后根据它的特点和生态去设计测试场景， 开发测试工具。

到第五点这里就结束了， 因为我现在就在第五点这里折腾。 再往后怎么发展我也不知道了， 触及我的盲区了就。

楼上说完了，该我说了
推荐你不学