1、关于没有相关工具的经验，难以找到合适的工作的问题

这不是很正常么？看好招聘的要求，人家要有经验的，你没经验，不是肯定碰壁么！问题是你想做的工作如果是日常使用、维护Hadoop，这不叫做大数据，这叫做运维。结合自己的兴趣和能力，在自己求职的时候为自己定位，才能找到令人满意的工作。

2、关于很多公司数据量不是特别大的问题

这样的公司不是做大数据的，别去。他们不过是跟风，忽悠股东，忽悠媒体的，说不定哪天就把这个部门废了，你自己还啥都没学到。

3、还是关于大数据的『大』的问题

大的几个维度业界通常用4个V来衡量，Volume、Variety、Value、Velocity，也就是体积大、变化大、价值大、速度大。很多工具（包括Hadoop，Spark等）都是为了解决这4个大问题才设计的。你没有满足4V的数据，一是没必要用这种工具；二是即使用了因为没有真实的场景，你也难以理解这其中的难点（好吧，就算是坐运维，部署3台机器和部署1000台机器用的方法和手段都是不同的），你学到的是单机版的Hadoop，生产中真正需要人来解决的问题你都不会遇到。

PS：关于如何开始以及如何提高，我的观点是学好编程，打好基础，数学、英语要牛逼（三本的那位同学，既然起点已经落后是不是要更加努力一些呢？）。还在上学的学生通常对于学好编程的理解很浅显。科班出身当然是优势，不过你要去GitHub去找一个Star数10000以上的小型项目（类似Flask这种，而不是Django这种，在Github的搜索栏里输入『stars:>10000』可以搜索star数超过10000的项目），去读一下源码就知道我说的学好编程是什么意思了。自己写不出这样的项目，还不能叫做学好了编程。