 班級規(guī)模及環(huán)境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數(shù)限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈
最近開課時間(周末班/連續(xù)班/晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結(jié)束后,授課老師留給學員聯(lián)系方式,保障培訓效果,免費提供課后技術(shù)支持。
3、培訓合格學員可享受免費推薦就業(yè)機會。 |
課程大綱 |
一、 應答簡介
針對貴方培訓需求之《Hadoop大數(shù)據(jù)技術(shù)與應用實戰(zhàn)》課程，特編制此課程方案。課程要點應答說明表：
表1.《Hadoop大數(shù)據(jù)技術(shù)與應用實戰(zhàn)》課程應答說明
課程要求與指標 是否滿足與能夠?qū)嵸|(zhì)響應
應適用課程目標人群包括大數(shù)據(jù)開發(fā)人員、運維人員、項目管理人員 滿足、能夠
應滿足指定課程目標 滿足、能夠
應覆蓋指定課程內(nèi)容 滿足、能夠
應在指定課時內(nèi)完成授課內(nèi)容 滿足、能夠
方案包括課程目標設計、課程實施大綱與框架、師資隊伍配備內(nèi)容。
二、 培訓收益與課程目標設計
本課程通過培訓使學習者達到如下目標:
1. 本課程讓學員充分掌握大數(shù)據(jù)處理平臺（Hadoop和內(nèi)存型實時計算Spark）技術(shù)架構(gòu)、以及平臺的安裝部署、運維配置、應用開發(fā)實戰(zhàn)技能，熟悉國內(nèi)外主流的大數(shù)據(jù)處理解決方案、以及大數(shù)據(jù)應用案例
2. 本課程強調(diào)主流的大數(shù)據(jù)關(guān)鍵技術(shù)及其在不同行業(yè)中企業(yè)的實際應用，立足于實際的行業(yè)應用需求，旨在讓企業(yè)學員能夠掌握大數(shù)據(jù)平臺技術(shù)及應用如何落地，以及基于大數(shù)據(jù)平臺的應用程序開發(fā)，以及大數(shù)據(jù)集群的運維技術(shù)，讓學員掌握業(yè)界主流的大數(shù)據(jù)平臺的應用和部署，并且結(jié)合當前（移動）互聯(lián)網(wǎng)環(huán)境下產(chǎn)生的大規(guī)模結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)管理以及分析處理需求，詳細講解有機地集成大數(shù)據(jù)平臺各個功能組件（大數(shù)據(jù)收集、大數(shù)據(jù)存儲、大數(shù)據(jù)管理、大數(shù)據(jù)挖掘、大數(shù)據(jù)分析和大數(shù)據(jù)可視化組件）設計大數(shù)據(jù)項目，并分享大數(shù)據(jù)項目應用實施案例。
3. 讓學員掌握主流大數(shù)據(jù)Hadoop平臺和Spark實時處理平臺的技術(shù)架構(gòu)和實際應用，并用結(jié)合實際的生產(chǎn)系統(tǒng)案例進行教學，講解利用Hadoop+Spark對行業(yè)大數(shù)據(jù)進行存儲管理和分析挖掘的技術(shù)應用，掌握基于Hadoop大數(shù)據(jù)平臺的數(shù)據(jù)挖掘和數(shù)據(jù)倉庫分布式系統(tǒng)平臺應用，以及主流的大數(shù)據(jù)平臺產(chǎn)品剖析。
4. 讓學員掌握業(yè)界最流行Hadoop與Spark大數(shù)據(jù)平臺，深入講解Hadoop生態(tài)系統(tǒng)組件，包括HDFS，MapReduce，HIVE，HBase，Mahout，Spark，GraphX，MLib，Shark， ElasticSearch等大數(shù)據(jù)存儲管理、分布式數(shù)據(jù)庫、大型數(shù)據(jù)倉庫、大數(shù)據(jù)查詢與搜索、大數(shù)據(jù)分析挖掘與分布式處理技術(shù)的實踐應用。
5. 引導學員利用Hadoop大數(shù)據(jù)技術(shù)解決企業(yè)中存在的問題，掌握運用Hadoop開展大數(shù)據(jù)項目解決方案思路。
6. 本課程采用技術(shù)原理與項目實戰(zhàn)相結(jié)合的方式進行教學，在講授原理的過程中，穿插實際的系統(tǒng)操作，本課程講師也精心準備的實際的應用案例供學員動手訓練。
三、 課程實施大綱與內(nèi)容框架
日程 培訓模塊 內(nèi)容
1. Hadoop大數(shù)據(jù)應用背景、技術(shù)構(gòu)成、以及行業(yè)案例 1) 大數(shù)據(jù)技術(shù)的發(fā)展歷程和應用背景、大數(shù)據(jù)產(chǎn)業(yè)鏈概況，以及大數(shù)據(jù)技術(shù)在通信運營商、互聯(lián)網(wǎng)金融業(yè)、網(wǎng)上銀行、電子商務、零售業(yè)、制造業(yè)、電子政務、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應用實踐；
2) 解析業(yè)界主流的標準化大數(shù)據(jù)平臺Hadoop+ Spark平臺架構(gòu)，重點講解它們在大數(shù)據(jù)存儲、管理、分析處理方面的應用方案，以及在大數(shù)據(jù)離線分析、近線分析、實時在線分析處理方面的優(yōu)化組合方案及優(yōu)勢；
2. 業(yè)界主流的Hadoop大數(shù)據(jù)分析平臺的生態(tài)系統(tǒng)剖析 1) 分類介紹常見的傳統(tǒng)數(shù)據(jù)分析平臺和新興的大數(shù)據(jù)分析處理平臺，它們各自的技術(shù)特色以及平臺的生態(tài)系統(tǒng)組件
2) Hadoop大數(shù)據(jù)平臺的體系結(jié)構(gòu)、生態(tài)系統(tǒng)組件、平臺架構(gòu)以及工作原理
3. HDFS分布式文件系統(tǒng)技術(shù)及其應用 1) HDFS分布式文件系統(tǒng)HDFS概述、功能、作用、優(yōu)勢、應用范疇、應用現(xiàn)狀和發(fā)展趨勢
2) HDFS分布式文件系統(tǒng)核心關(guān)鍵技術(shù)、設計精髓、基本工作原理、系統(tǒng)架構(gòu)、文件存儲模式、工作機制、存儲擴容與吞吐性能擴展
3) HDFS系統(tǒng)SHELL命令操作、文件數(shù)據(jù)讀取、寫入、追加、刪除、文件狀態(tài)查詢
4) HDFS的Client API應用程序開發(fā)實戰(zhàn)
5) HDFS集群的部署配置和性能調(diào)優(yōu)，以及常見故障的解決之道。
4. MapReduce并行處理平臺架構(gòu)和關(guān)鍵技術(shù)剖析 1) 大數(shù)據(jù)平臺中的并行計算處理與函數(shù)式編程技術(shù)原理，以及數(shù)據(jù)并行技術(shù)—MapReduce技術(shù)的工作原理
2) Hadoop MapReduce并行處理平臺的系統(tǒng)架構(gòu)、JobTracker和TaskTracker等核心功能模塊剖析
5. MapReduce大數(shù)據(jù)處理應用程序開發(fā)實踐 1) MapReduce應用開發(fā)環(huán)境的配置
2) MapReduce大數(shù)據(jù)處理應用程序的編程開發(fā)實踐技巧
3) MapReduce程序Debug調(diào)試、作業(yè)執(zhí)行和任務調(diào)度技術(shù)
6. Yarn并行處理框架應用實踐以及MapReduce高級編程開發(fā) 1) 第二代大數(shù)據(jù)計算框架Yarn的工作原理以及DAG并行執(zhí)行機制，Yarn框架的配置部署，以及基于Yarn的大數(shù)據(jù)處理應用程序開發(fā)
2) MapReduce高級編程技巧與性能優(yōu)化實踐、MapReduce與Yarn項目案例實踐
7. Hadoop生態(tài)系統(tǒng)中的NoSQL與NewSQL數(shù)據(jù)庫剖析 1) 目前業(yè)界主流的大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)實現(xiàn)與平臺應用，以及SQL、NoSQL和NewSQL分布式數(shù)據(jù)庫平臺技術(shù)及應用
2) Hadoop半結(jié)構(gòu)化與非結(jié)構(gòu)化大數(shù)據(jù)管理系統(tǒng)HBase集群的應用及其發(fā)展趨勢?
8. HBase半結(jié)構(gòu)化大數(shù)據(jù)管理系統(tǒng)的平臺架構(gòu)、關(guān)鍵技術(shù)及應用程序開發(fā)實踐 1) HBase大數(shù)據(jù)管理系統(tǒng)的平臺架構(gòu)，HMaster和HRegionServer的工作原理，以及DDL，DML和DCL的實踐操作
2) HBase大數(shù)據(jù)管理集群的配置部署、管理、運維監(jiān)控、性能優(yōu)化、負載均衡，以及HBase與HDFS、MapReduce和ZooKeeper分布式集群之間的數(shù)據(jù)交互和協(xié)同工作機制
3) HBase Client包的API調(diào)用，以及大數(shù)據(jù)管理應用程序的開發(fā)實戰(zhàn)
9. HBase大數(shù)據(jù)管理集群的安裝部署和配置 1) Hadoop集群的安裝部署，分別配置HDFS和MapReduce分布式集群（3節(jié)點以上）
2) ZooKeeper分布式協(xié)調(diào)服務集群的部署與配置（3個節(jié)點）
3) HBase分布式集群的部署與配置（3個節(jié)點以上）
4) 將500萬條數(shù)據(jù)集導入到HBase，并且基于類SQL語句實現(xiàn)十個查詢類型
5) 配置HBase開發(fā)環(huán)境，使用Java Client API實現(xiàn)大數(shù)據(jù)管理應用程序
10. Hive大數(shù)據(jù)倉庫的平臺架構(gòu)、關(guān)鍵技術(shù)及應用實踐 1) HIVE大型數(shù)據(jù)倉庫集群的平臺架構(gòu)、工作原理及其在國內(nèi)BAT與國外GAF等互聯(lián)網(wǎng)公司中的應用案例
2) Hive大數(shù)據(jù)倉庫集群的部署配置，類SQL的操作，HIVE SQL到MapReduce的解析技術(shù)剖析
3) HIVE文件與記錄存儲格式、Hive與HBase數(shù)據(jù)庫整合、Hive大數(shù)據(jù)統(tǒng)計分析報表技術(shù)、Hive功能操作實踐
11. Hive數(shù)據(jù)倉庫集群的安裝部署、參數(shù)配置和性能優(yōu)化 1) 部署HIVE元數(shù)據(jù)管理服務器
2) 部署 HIVEServer，允許Client訪問、HWI訪問
3) 將HDFS中的4000萬條數(shù)據(jù)集導入到HIVE數(shù)據(jù)倉庫中，并創(chuàng)建數(shù)據(jù)倉庫表
4) 基于HIVE數(shù)據(jù)倉庫提供的HQL語句完成十個統(tǒng)計指標
5) 配置HIVE開發(fā)環(huán)境，并實現(xiàn)大數(shù)據(jù)倉庫的統(tǒng)計分析應用程序
12. Mahout大數(shù)據(jù)分布式并行挖掘平臺技術(shù)及應用程序開發(fā)實踐 6) 基于Hadoop的Mahout大數(shù)據(jù)挖掘平臺的技術(shù)架構(gòu)、關(guān)鍵技術(shù)剖析
7) Mahout與HBase、HDFS和MapReduce的對接和接口調(diào)用實現(xiàn)
8) Mahout大數(shù)據(jù)協(xié)同過濾分析技術(shù)原理及應用
9) Mahout頻繁模式挖掘分析技術(shù)原理及應用
10) Mahout聚類分析技術(shù)原理及應用
11) Mahout分類分析技術(shù)原理及應用
12) Mahout推薦分析技術(shù)原理及應用
13) Mahout大數(shù)據(jù)挖掘平臺的應用程序開發(fā)實現(xiàn)
13. Mahout大數(shù)據(jù)分析挖掘平臺的集群安裝部署、參數(shù)配置和性能優(yōu)化 14) 根據(jù)搜索引擎日志數(shù)據(jù)集利用Mahout實現(xiàn)用戶行為分析程序
15) 根據(jù)電商數(shù)據(jù)集利用Mahout實現(xiàn)協(xié)同過濾程序設計
16) 根據(jù)電商平臺的日志數(shù)據(jù)利用Mahout實現(xiàn)推薦過濾應用程序
14. Hadoop生態(tài)系統(tǒng)中的Spark大數(shù)據(jù)實時處理技術(shù)及應用實踐 1) Spark大數(shù)據(jù)實時處理平臺的技術(shù)原理、集群架構(gòu)及其在大型互聯(lián)網(wǎng)公司和運營商企業(yè)中的應用實踐案例
2) Spark內(nèi)存實時處理平臺架構(gòu)，Spark分布式實時處理框架及工作原理
3) Spark集群的平臺架構(gòu)及其生態(tài)系統(tǒng)組件剖析，SparkSQL和Spark Streaming應用技巧
4) 基于Spark的MLib實時數(shù)據(jù)挖掘應用實踐
5) 基于Spark的GraphX圖數(shù)據(jù)分析應用實踐
15. Hadoop生態(tài)系統(tǒng)中數(shù)據(jù)交互與應用對接實戰(zhàn) 1) 利用Sqoop實現(xiàn)關(guān)系數(shù)據(jù)庫（MySQL、Oracle）和HDFS、HBase之間的數(shù)據(jù)導入與導出應用實踐
2) 實現(xiàn)HIVE與HBase之間的數(shù)據(jù)對接，實現(xiàn)OLAP與OLTP一體化數(shù)據(jù)處理平臺
3) 基于Hadoop與Spark實現(xiàn)內(nèi)外存數(shù)據(jù)交互，實現(xiàn)批處理與實時處理平臺
16. Hadoop大數(shù)據(jù)技術(shù)及應用實踐的課程總結(jié) 1) 授課內(nèi)容回顧
2) 授課知識點答疑
3) 大數(shù)據(jù)解決方案咨詢 |
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)
