在大数据研究生阶段，学生通常会学习以下软件：

编程语言

Python：用于数据处理、分析和可视化，拥有丰富的库如NumPy、Pandas和Matplotlib。

R：用于统计分析和数据可视化，拥有丰富的统计分析包和图形库。

数据库

SQL：用于管理和处理关系型数据库，如MySQL、Hive和Pymysql。

NoSQL数据库：如MongoDB和Cassandra，用于存储非结构化数据。

大数据处理框架

Hadoop：用于分布式存储和处理大规模数据集。

Spark：快速通用的大数据处理引擎，支持批处理、实时流处理等。

数据仓库工具

Hive：用于数据仓库和大数据分析。

Impala：用于快速查询大数据集。

数据可视化工具

Tableau：用于数据可视化，帮助理解和展示数据。

Power BI：微软的商业智能工具，用于数据分析和报告。

其他工具

Excel：基础的数据处理和分析工具，适合初学者。

SPSS、SAS、Matlab：专业的数据分析软件，用于完成专业性的算法或模型分析。

Sqoop：用于在关系数据库和Hadoop之间传输数据。

Hadoop生态系统其他组件：如YARN（Yet Another Resource Negotiator）和HBase。

虚拟化和容器化技术

Linux：操作系统，用于大数据处理环境。

Docker：用于容器化部署和管理应用。

KVM：用于Linux环境下的虚拟机管理。

这些软件和工具涵盖了大数据处理的各个方面，从数据处理和存储到分析和可视化，以及数据仓库和商业智能。掌握这些技能将有助于研究生在大数据领域进行高效的数据处理和分析工作。