400-888-5228

課程概述：

本課程通過專業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)體系與業(yè)界真實案例來全面提升大數(shù)據(jù)項目高管、大數(shù)據(jù)平臺架構(gòu)師，以及大數(shù)據(jù)開發(fā)工程師與大數(shù)據(jù)應用設計人員的專業(yè)水平，旨在培養(yǎng)專業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)專家，培養(yǎng)大數(shù)據(jù)技術(shù)和應用創(chuàng)新型人才，促進大數(shù)據(jù)技術(shù)在各行業(yè)內(nèi)部及跨行業(yè)進行實施應用，以及企事業(yè)單位的大數(shù)據(jù)項目開發(fā)和落地，并利用大數(shù)據(jù)提升競爭力優(yōu)勢。

課程特色：

1．課程培訓業(yè)界最流行、應用最廣泛的Hadoop與Spark大數(shù)據(jù)技術(shù)體系。強化大數(shù)據(jù)平臺的分布式集群架構(gòu)和核心關(guān)鍵技術(shù)實現(xiàn)、大數(shù)據(jù)應用項目開發(fā)和大數(shù)據(jù)集群運維實踐、以及Hadoop與Spark大數(shù)據(jù)項目應用開發(fā)與調(diào)優(yōu)的全過程沙盤模擬實戰(zhàn)。

2．通過一個完整的大數(shù)據(jù)開發(fā)項目及一組實際項目訓練案例，完全覆蓋Hadoop與Spark生態(tài)系統(tǒng)平臺的應用開發(fā)與運維實踐。課堂實踐項目以項目小組的形式進行沙盤實操練習，重點強化理解Hadoop與Spark大數(shù)據(jù)項目各個階段的工作重點，同時掌握作為大數(shù)據(jù)項目管理者的基本技術(shù)與業(yè)務素養(yǎng)。

3．本課程的授課師資都是有著多年在一線從事Hadoop與Spark大數(shù)據(jù)項目的資深講師，采用原理技術(shù)剖析和實戰(zhàn)案例相結(jié)合的方式開展互動教學、強化以建立大數(shù)據(jù)項目解決方案為主體的應用開發(fā)、技術(shù)討論與交流咨詢，在學習的同時促進講師學員之間的交流，讓每個學員都能在課程培訓過程中學到實實在在的大數(shù)據(jù)技術(shù)知識體系，以及大數(shù)據(jù)技術(shù)應用實戰(zhàn)技能，具備實際大數(shù)據(jù)應用項目的動手開發(fā)實踐與運維管理部署能力。授課過程中，根據(jù)學員需求，增設交流環(huán)節(jié)，可將具體工作中遇到的實際問題展開討論，講師會根據(jù)學員的實際情況微調(diào)授課內(nèi)容，由講師帶著全部學員積極討論，并給出一定的時間讓學員上臺發(fā)言，現(xiàn)場剖析問題的癥結(jié)，規(guī)劃出可行的解決方案。

課程長度：

3天

課程目標：

1.深刻理解在“互聯(lián)網(wǎng)+”時代下大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程和演化趨勢；

2.了解業(yè)界市場需求和國內(nèi)外最新的大數(shù)據(jù)技術(shù)潮流，洞察大數(shù)據(jù)的潛在價值；

3.理解大數(shù)據(jù)項目解決方案及業(yè)界大數(shù)據(jù)應用案例，從而為企業(yè)在大數(shù)據(jù)項目

中的技術(shù)選型及技術(shù)架構(gòu)設計提供決策參考；

4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術(shù)體系；

5.掌握大數(shù)據(jù)采集技術(shù)；

6.掌握大數(shù)據(jù)分布式存儲技術(shù)；

7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術(shù)；

8.掌握大數(shù)據(jù)倉庫與統(tǒng)計機器學習技術(shù)；

9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術(shù)；

10.掌握大數(shù)據(jù)離線處理技術(shù)；

11.掌握Storm流式大數(shù)據(jù)處理技術(shù)；

12.掌握基于內(nèi)存計算的大數(shù)據(jù)實時處理技術(shù)；

13.掌握大數(shù)據(jù)管理技術(shù)的原理知識和應用實戰(zhàn)；

14.深入理解大數(shù)據(jù)平臺技術(shù)架構(gòu)和使用場景；

15.嫻熟運用Hadoop與Spark大數(shù)據(jù)技術(shù)體系規(guī)劃解決方案滿足實際項目需求；

16.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺進行應用程序開發(fā)、集群運維管理和性能調(diào)優(yōu)技巧。

課程大綱：

時間知識模塊授課內(nèi)容
第
一
天
上
午		大數(shù)據(jù)技術(shù)基礎1.?大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程
2.?大數(shù)據(jù)的4V特征，以及與云計算的關(guān)系
3.?大數(shù)據(jù)應用需求以及潛在價值分析
4.?業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應用趨勢
5.?大數(shù)據(jù)項目的系統(tǒng)與技術(shù)選型，及落地實施的挑戰(zhàn)
6.?“互聯(lián)網(wǎng)+”時代下的電子商務、制造業(yè)、零售批發(fā)、電信運營商、互聯(lián)網(wǎng)金融業(yè)、電子政務、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應用實踐與應用案例介紹
業(yè)界主流的大數(shù)據(jù)技術(shù)方案1.?大數(shù)據(jù)軟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹
2.?主流的大數(shù)據(jù)解決方案介紹
3.?Apache大數(shù)據(jù)平臺方案剖析
4.?CDH大數(shù)據(jù)平臺方案剖析
5.?HDP大數(shù)據(jù)平臺方案剖析
6.?大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較
大數(shù)據(jù)計算模型（一）——批處理MapReduce1.?MapReduce產(chǎn)生背景與適用場景
2.?MapReduce計算模型的基本原理
3.?MapReduce作業(yè)執(zhí)行流程
4.?MapReduce基本組件，JobTracker和TaskTracker
5.?MapReduce高級編程應用，Combiner和Partitioner
6.?MapReduce性能優(yōu)化技巧
7.?MapReduce案例分析與開發(fā)實踐操作
第
一
天
下
午		大數(shù)據(jù)存儲系統(tǒng)與應用實踐1.?分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場景
2.?HDFS master-slave系統(tǒng)架構(gòu)與工作原理
3.?HDFS核心組件技術(shù)講解
4.?HDFS高可用保證機制
5.?HDFS集群的安裝、部署與配置，熟練HDFS shell命令操作
6.?分布式小文件存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應用場景
7.?分布式對象存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應用場景
Hadoop框架與生態(tài)發(fā)展，以及應用實踐操作1.?Hadoop的發(fā)展歷程
2.?Hadoop大數(shù)據(jù)生態(tài)圈系統(tǒng)與工具全貌介紹
3.?Hadoop 1.0的核心組件與適用范圍
4.?Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的區(qū)別
5.?Hadoop資源管理與作業(yè)調(diào)度機制
6.?Hadoop 常用性能優(yōu)化技術(shù)
7.?Hadoop集群安裝與部署實踐，以及MapReduce程序在YARN上執(zhí)行
第
二
天
上
午		大數(shù)據(jù)計算模型（二）——實時處理/內(nèi)存計算?Spark1.?MapReduce計算模型的瓶頸
2.?Spark產(chǎn)生動機、基本概念與適用場景
3.?Spark編程模型與RDD彈性分布式數(shù)據(jù)集的工作原理與機制
4.?Spark實時處理平臺運行架構(gòu)與核心組件
5.?Spark容錯機制
6.?Spark作業(yè)調(diào)度機制
7.?Scala開發(fā)介紹與實踐
8.?Spark集群部署與配置實踐，Spark開發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開發(fā)與運行，Spark與Hadoop集群集成實踐
第
二
天
下
午		大數(shù)據(jù)倉庫查詢技術(shù)Hive、SparkSQL、Impala，以及應用實踐1.?基于MapReduce的大型分布式數(shù)據(jù)倉庫Hive基礎知識與應用場景
2.?Hive數(shù)據(jù)倉庫的平臺架構(gòu)與核心技術(shù)剖析
3.?Hive metastore的工作機制與應用
4.?Hive數(shù)據(jù)倉庫實踐：Hive集群安裝部署，數(shù)據(jù)倉庫表導入導出與分區(qū)操作，Hive SQL操作，Hive客戶端操作
5.?基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎知識與應用場景
6.?Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理與工作機制
7.?SparkSQL應用分析與操作實踐
8.?基于MPP的大型分布式數(shù)據(jù)倉庫Impala基礎知識與應用場景
9.?Impala實時查詢系統(tǒng)平臺架構(gòu)、關(guān)鍵技術(shù)剖析
Hadoop集群運維監(jiān)控工具1. Hadoop大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)HUE平臺介紹
2. Hadoop運維管理監(jiān)控系統(tǒng)Ambari工具介紹
3. 第三方運維系統(tǒng)與工具Ganglia, Nagios
第
三
天
上
午		大數(shù)據(jù)計算模型（三）——流處理Storm, SparkStreaming1.?流數(shù)據(jù)處理應用場景與流數(shù)據(jù)處理的特點
2.?流數(shù)據(jù)處理工具Storm的平臺架構(gòu)與集群工作原理
3.?Storm關(guān)鍵技術(shù)與并發(fā)機制
4.?Storm編程模型與基本開發(fā)模式
5.?Storm數(shù)據(jù)流分組
6.?Storm可靠性保證與Acker機制
7.?Storm應用案例分析與實踐：Storm集群安裝部署，Storm程序開發(fā)運行操作實踐，Storm與Hadoop集群的集成
8.?流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型
9.?Spark Streaming工作機制
大數(shù)據(jù)ETL操作工具，與大數(shù)據(jù)分布式采集系統(tǒng)1.?Hadoop與DBMS之間數(shù)據(jù)交互工具的應用
2.?Sqoop導入導出數(shù)據(jù)的工作原理，以及Sqoop工具的安裝部署與實踐操作，利用Sqoop實現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導入導出交互
3.?Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型與系統(tǒng)架構(gòu)
4.?Kafka分布式消息訂閱系統(tǒng)的應用介紹與平臺架構(gòu)，及其使用模式
第
三
天
下
午		面向OLTP型應用的NoSQL數(shù)據(jù)庫及應用實踐1.?關(guān)系型數(shù)據(jù)庫瓶頸，以及NoSQL數(shù)據(jù)庫的發(fā)展，概念，分類，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場景下的適用范圍
2.?列存儲NoSQL數(shù)據(jù)庫HBase簡介與數(shù)據(jù)模型剖析
3.?HBase分布式集群系統(tǒng)架構(gòu)與讀寫機制，ZooKeeper分布式協(xié)調(diào)服務系統(tǒng)的工作原理與應用
4.?HBase表設計模式與primary key設計規(guī)范
5.?HBase分布式集群安裝、部署與操作實踐
6.?文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析
7.?MongoDB集群模式、讀寫機制與常用API操作
8.?Cassandra分布式數(shù)據(jù)庫的平臺架構(gòu)以及關(guān)鍵技術(shù)
9.?Cassandra一致性哈希算法與數(shù)據(jù)分布策略，以及NWR策略
10.鍵值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析
11.Redis多實例集群架構(gòu)與關(guān)鍵技術(shù)
12.NewSQL數(shù)據(jù)庫技術(shù)簡介及其適用場景
大數(shù)據(jù)項目選型、實施、優(yōu)化等問題交流討論大數(shù)據(jù)項目的需求分析、應用實施、系統(tǒng)優(yōu)化，以及解決方案等咨詢與交流討論