400-888-5228

課程概述：

本課程通過(guò)專(zhuān)業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)體系與業(yè)界真實(shí)案例來(lái)全面提升大數(shù)據(jù)項(xiàng)目高管、大數(shù)據(jù)平臺(tái)架構(gòu)師，以及大數(shù)據(jù)開(kāi)發(fā)工程師與大數(shù)據(jù)應(yīng)用設(shè)計(jì)人員的專(zhuān)業(yè)水平，旨在培養(yǎng)專(zhuān)業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)專(zhuān)家，培養(yǎng)大數(shù)據(jù)技術(shù)和應(yīng)用創(chuàng)新型人才，促進(jìn)大數(shù)據(jù)技術(shù)在各行業(yè)內(nèi)部及跨行業(yè)進(jìn)行實(shí)施應(yīng)用，以及企事業(yè)單位的大數(shù)據(jù)項(xiàng)目開(kāi)發(fā)和落地，并利用大數(shù)據(jù)提升競(jìng)爭(zhēng)力優(yōu)勢(shì)。

課程特色：

1．課程培訓(xùn)業(yè)界最流行、應(yīng)用最廣泛的Hadoop與Spark大數(shù)據(jù)技術(shù)體系。強(qiáng)化大數(shù)據(jù)平臺(tái)的分布式集群架構(gòu)和核心關(guān)鍵技術(shù)實(shí)現(xiàn)、大數(shù)據(jù)應(yīng)用項(xiàng)目開(kāi)發(fā)和大數(shù)據(jù)集群運(yùn)維實(shí)踐、以及Hadoop與Spark大數(shù)據(jù)項(xiàng)目應(yīng)用開(kāi)發(fā)與調(diào)優(yōu)的全過(guò)程沙盤(pán)模擬實(shí)戰(zhàn)。

2．通過(guò)一個(gè)完整的大數(shù)據(jù)開(kāi)發(fā)項(xiàng)目及一組實(shí)際項(xiàng)目訓(xùn)練案例，完全覆蓋Hadoop與Spark生態(tài)系統(tǒng)平臺(tái)的應(yīng)用開(kāi)發(fā)與運(yùn)維實(shí)踐。課堂實(shí)踐項(xiàng)目以項(xiàng)目小組的形式進(jìn)行沙盤(pán)實(shí)操練習(xí)，重點(diǎn)強(qiáng)化理解Hadoop與Spark大數(shù)據(jù)項(xiàng)目各個(gè)階段的工作重點(diǎn)，同時(shí)掌握作為大數(shù)據(jù)項(xiàng)目管理者的基本技術(shù)與業(yè)務(wù)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(xiàng)目的資深講師，采用原理技術(shù)剖析和實(shí)戰(zhàn)案例相結(jié)合的方式開(kāi)展互動(dòng)教學(xué)、強(qiáng)化以建立大數(shù)據(jù)項(xiàng)目解決方案為主體的應(yīng)用開(kāi)發(fā)、技術(shù)討論與交流咨詢，在學(xué)習(xí)的同時(shí)促進(jìn)講師學(xué)員之間的交流，讓每個(gè)學(xué)員都能在課程培訓(xùn)過(guò)程中學(xué)到實(shí)實(shí)在在的大數(shù)據(jù)技術(shù)知識(shí)體系，以及大數(shù)據(jù)技術(shù)應(yīng)用實(shí)戰(zhàn)技能，具備實(shí)際大數(shù)據(jù)應(yīng)用項(xiàng)目的動(dòng)手開(kāi)發(fā)實(shí)踐與運(yùn)維管理部署能力。授課過(guò)程中，根據(jù)學(xué)員需求，增設(shè)交流環(huán)節(jié)，可將具體工作中遇到的實(shí)際問(wèn)題展開(kāi)討論，講師會(huì)根據(jù)學(xué)員的實(shí)際情況微調(diào)授課內(nèi)容，由講師帶著全部學(xué)員積極討論，并給出一定的時(shí)間讓學(xué)員上臺(tái)發(fā)言，現(xiàn)場(chǎng)剖析問(wèn)題的癥結(jié)，規(guī)劃出可行的解決方案。

課程長(zhǎng)度：

3天

課程目標(biāo)：

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

2.了解業(yè)界市場(chǎng)需求和國(guó)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(jià)值；

3.理解大數(shù)據(jù)項(xiàng)目解決方案及業(yè)界大數(shù)據(jù)應(yīng)用案例，從而為企業(yè)在大數(shù)據(jù)項(xiàng)目

中的技術(shù)選型及技術(shù)架構(gòu)設(shè)計(jì)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(chǔ)技術(shù)；

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

8.掌握大數(shù)據(jù)倉(cāng)庫(kù)與統(tǒng)計(jì)機(jī)器學(xué)習(xí)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(jì)算的大數(shù)據(jù)實(shí)時(shí)處理技術(shù)；

13.掌握大數(shù)據(jù)管理技術(shù)的原理知識(shí)和應(yīng)用實(shí)戰(zhàn)；

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

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

16.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺(tái)進(jìn)行應(yīng)用程序開(kāi)發(fā)、集群運(yùn)維管理和性能調(diào)優(yōu)技巧。

課程大綱：

時(shí)間知識(shí)模塊授課內(nèi)容
第
一
天
上
午		大數(shù)據(jù)技術(shù)基礎(chǔ)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(jì)算的關(guān)系
3.?大數(shù)據(jù)應(yīng)用需求以及潛在價(jià)值分析
4.?業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢(shì)與應(yīng)用趨勢(shì)
5.?大數(shù)據(jù)項(xiàng)目的系統(tǒng)與技術(shù)選型，及落地實(shí)施的挑戰(zhàn)
6.?“互聯(lián)網(wǎng)+”時(shí)代下的電子商務(wù)、制造業(yè)、零售批發(fā)、電信運(yùn)營(yíng)商、互聯(lián)網(wǎng)金融業(yè)、電子政務(wù)、移動(dòng)互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實(shí)踐與應(yīng)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(tái)方案剖析
4.?CDH大數(shù)據(jù)平臺(tái)方案剖析
5.?HDP大數(shù)據(jù)平臺(tái)方案剖析
6.?大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫(kù)方案比較
大數(shù)據(jù)計(jì)算模型（一）——批處理MapReduce1.?MapReduce產(chǎn)生背景與適用場(chǎng)景
2.?MapReduce計(jì)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(jí)編程應(yīng)用，Combiner和Partitioner
6.?MapReduce性能優(yōu)化技巧
7.?MapReduce案例分析與開(kāi)發(fā)實(shí)踐操作
第
一
天
下
午		大數(shù)據(jù)存儲(chǔ)系統(tǒng)與應(yīng)用實(shí)踐1.?分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場(chǎng)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(jī)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(chǔ)系統(tǒng)的平臺(tái)架構(gòu)、核心技術(shù)與應(yīng)用場(chǎng)景
7.?分布式對(duì)象存儲(chǔ)系統(tǒng)的平臺(tái)架構(gòu)、核心技術(shù)與應(yīng)用場(chǎng)景
Hadoop框架與生態(tài)發(fā)展，以及應(yīng)用實(shí)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(jī)制
6.?Hadoop 常用性能優(yōu)化技術(shù)
7.?Hadoop集群安裝與部署實(shí)踐，以及MapReduce程序在YARN上執(zhí)行
第
二
天
上
午		大數(shù)據(jù)計(jì)算模型（二）——實(shí)時(shí)處理/內(nèi)存計(jì)算?Spark1.?MapReduce計(jì)算模型的瓶頸
2.?Spark產(chǎn)生動(dòng)機(jī)、基本概念與適用場(chǎng)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(jī)制
4.?Spark實(shí)時(shí)處理平臺(tái)運(yùn)行架構(gòu)與核心組件
5.?Spark容錯(cuò)機(jī)制
6.?Spark作業(yè)調(diào)度機(jī)制
7.?Scala開(kāi)發(fā)介紹與實(shí)踐
8.?Spark集群部署與配置實(shí)踐，Spark開(kāi)發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開(kāi)發(fā)與運(yùn)行，Spark與Hadoop集群集成實(shí)踐
第
二
天
下
午		大數(shù)據(jù)倉(cāng)庫(kù)查詢技術(shù)Hive、SparkSQL、Impala，以及應(yīng)用實(shí)踐1.?基于MapReduce的大型分布式數(shù)據(jù)倉(cāng)庫(kù)Hive基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景
2.?Hive數(shù)據(jù)倉(cāng)庫(kù)的平臺(tái)架構(gòu)與核心技術(shù)剖析
3.?Hive metastore的工作機(jī)制與應(yīng)用
4.?Hive數(shù)據(jù)倉(cāng)庫(kù)實(shí)踐：Hive集群安裝部署，數(shù)據(jù)倉(cāng)庫(kù)表導(dǎo)入導(dǎo)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(cāng)庫(kù)SparkSQL基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景
6.?Spark SQL實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)原理與工作機(jī)制
7.?SparkSQL應(yīng)用分析與操作實(shí)踐
8.?基于MPP的大型分布式數(shù)據(jù)倉(cāng)庫(kù)Impala基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景
9.?Impala實(shí)時(shí)查詢系統(tǒng)平臺(tái)架構(gòu)、關(guān)鍵技術(shù)剖析
Hadoop集群運(yùn)維監(jiān)控工具1. Hadoop大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng)HUE平臺(tái)介紹
2. Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari工具介紹
3. 第三方運(yùn)維系統(tǒng)與工具Ganglia, Nagios
第
三
天
上
午		大數(shù)據(jù)計(jì)算模型（三）——流處理Storm, SparkStreaming1.?流數(shù)據(jù)處理應(yīng)用場(chǎng)景與流數(shù)據(jù)處理的特點(diǎn)
2.?流數(shù)據(jù)處理工具Storm的平臺(tái)架構(gòu)與集群工作原理
3.?Storm關(guān)鍵技術(shù)與并發(fā)機(jī)制
4.?Storm編程模型與基本開(kāi)發(fā)模式
5.?Storm數(shù)據(jù)流分組
6.?Storm可靠性保證與Acker機(jī)制
7.?Storm應(yīng)用案例分析與實(shí)踐：Storm集群安裝部署，Storm程序開(kāi)發(fā)運(yùn)行操作實(shí)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(jī)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(yīng)用
2.?Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)的工作原理，以及Sqoop工具的安裝部署與實(shí)踐操作，利用Sqoop實(shí)現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)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(yīng)用介紹與平臺(tái)架構(gòu)，及其使用模式
第
三
天
下
午		面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫(kù)及應(yīng)用實(shí)踐1.?關(guān)系型數(shù)據(jù)庫(kù)瓶頸，以及NoSQL數(shù)據(jù)庫(kù)的發(fā)展，概念，分類(lèi)，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場(chǎng)景下的適用范圍
2.?列存儲(chǔ)NoSQL數(shù)據(jù)庫(kù)HBase簡(jiǎn)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(xiě)機(jī)制，ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理與應(yīng)用
4.?HBase表設(shè)計(jì)模式與primary key設(shè)計(jì)規(guī)范
5.?HBase分布式集群安裝、部署與操作實(shí)踐
6.?文檔NoSQL數(shù)據(jù)庫(kù)MongoDB簡(jiǎn)介與數(shù)據(jù)模型剖析
7.?MongoDB集群模式、讀寫(xiě)機(jī)制與常用API操作
8.?Cassandra分布式數(shù)據(jù)庫(kù)的平臺(tái)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(kù)Redis簡(jiǎn)介與數(shù)據(jù)模型剖析
11.Redis多實(shí)例集群架構(gòu)與關(guān)鍵技術(shù)
12.NewSQL數(shù)據(jù)庫(kù)技術(shù)簡(jiǎn)介及其適用場(chǎng)景
大數(shù)據(jù)項(xiàng)目選型、實(shí)施、優(yōu)化等問(wèn)題交流討論大數(shù)據(jù)項(xiàng)目的需求分析、應(yīng)用實(shí)施、系統(tǒng)優(yōu)化，以及解決方案等咨詢與交流討論