一、 培訓(xùn)特色
1. 課程培訓(xùn)業(yè)界*、應(yīng)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(yīng)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(yīng)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(xùn)練案例，完全覆蓋
Hadoop與Spark生態(tài)系統(tǒng)平臺的應(yīng)用開發(fā)與運維實踐。課堂實踐項目以項目小組的形式進(jìn)行沙盤實操練習(xí)，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(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(xué)、強化以建立大數(shù)據(jù)項目解決方案為主體的應(yīng)用開發(fā)、技術(shù)討論與交流咨詢，在學(xué)習(xí)的同時促進(jìn)講師學(xué)員之間的交流，讓每個學(xué)員都能在課程培訓(xùn)過程中學(xué)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(yīng)用實戰(zhàn)技能，具備實際大數(shù)據(jù)應(yīng)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(xué)員需求，增設(shè)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(xué)員的實際情況微調(diào)授課內(nèi)容，由講師帶著全部學(xué)員積極討論，并給出一定的時間讓學(xué)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。
二、培訓(xùn)目標(biāo)
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*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(yīng)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(shè)計提供決策參考；
4.掌握業(yè)界*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(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(yīng)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.掌握如何部署符合生產(chǎn)環(huán)境要求的Hadoop大數(shù)據(jù)集群；
17.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺進(jìn)行應(yīng)用程序開發(fā)、集群運維
管理和性能調(diào)優(yōu)技巧。
三、課程內(nèi)容
*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、發(fā)展歷程
2. 大數(shù)據(jù)和云計算的關(guān)系
3. 大數(shù)據(jù)應(yīng)用需求以及潛在價值分析
4. 業(yè)界*的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢
5. 大數(shù)據(jù)項目的技術(shù)選型與架構(gòu)設(shè)計
6. “互聯(lián)網(wǎng)+”時代下的電子商務(wù)、制造業(yè)、零售批發(fā)業(yè)、電信運營商、互聯(lián)網(wǎng)金融業(yè)、網(wǎng)上銀行、電子政務(wù)、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實踐與應(yīng)用案例剖析
業(yè)界主流的大數(shù)據(jù)技術(shù)產(chǎn)品與項目解決方案
1. 國內(nèi)外主流的大數(shù)據(jù)解決方案介紹
2. 當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較
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. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析
Hadoop大數(shù)據(jù)平臺剖析
1. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界的實際應(yīng)用介紹
2. Hadoop大數(shù)據(jù)平臺架構(gòu)
3. 基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制
4. Hadoop的核心組件剖析
*天下午：大數(shù)據(jù)分布式存儲系統(tǒng)原理及其應(yīng)用實踐
1. 分布式文件系統(tǒng)HDFS的簡介
2. HDFS系統(tǒng)的主從式平臺架構(gòu)和工作原理
3. HDFS核心組件技術(shù)講解
4. 基于HDFS的大型存儲系統(tǒng)應(yīng)用開發(fā)實戰(zhàn)
5. HDFS集群的安裝、部署、配置與性能優(yōu)化實踐
6. HDFS與Linux NFS3交互技術(shù)以及本地化部署應(yīng)用實踐
7. 分布式鍵值存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)以及應(yīng)用開發(fā)
8. PB級大數(shù)據(jù)存儲項目的案例分析
大數(shù)據(jù)MapReduce與Yarn并行處理平臺
1. MapReduce并行計算模型
2. MapReduce作業(yè)執(zhí)行與調(diào)度技術(shù)
3. 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
4. MapReduce應(yīng)用開發(fā)環(huán)境的部署，以及大數(shù)據(jù)并行處理應(yīng)用程序開發(fā)
5. MapReduce高級編程技巧與性能優(yōu)化實踐
6. MapReduce與Yarn大數(shù)據(jù)分析處理案例分析
Hadoop應(yīng)用實踐操作訓(xùn)練
1. 部署與配置HDFS，熟練操作HDFS SHELL，HDFS與NFS操作，以及HDFS API開發(fā)實踐
2. 部署與配置MapReduce與Yarn及其開發(fā)實踐
3. Hadoop的Linux二次開發(fā)環(huán)境部署與配置
第二天上午：HBase分布式數(shù)據(jù)庫管理系統(tǒng)
1. NoSQL數(shù)據(jù)庫與NewSQL數(shù)據(jù)庫技術(shù)介紹，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)方面的應(yīng)用實踐
2. HBase分布式數(shù)據(jù)庫簡介、數(shù)據(jù)模型以及工作原理
3. HBase分布式數(shù)據(jù)庫集群的平臺架構(gòu)和關(guān)鍵技術(shù)剖析
4. HBase應(yīng)用項目開發(fā)技巧，以及客戶端開發(fā)實戰(zhàn)
5. HBase表設(shè)計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理API調(diào)用
6. HBase集群的安裝部署與配置優(yōu)化
7. ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn)
8. HBase集群的運維與監(jiān)控管理
HBase半結(jié)構(gòu)化數(shù)據(jù)管理應(yīng)用實踐操作訓(xùn)練
1. 部署與配置HBase集群以及HBase的性能優(yōu)化
2. 部署與配置ZooKeeper分布式集群
3. 構(gòu)建HBase開發(fā)環(huán)境
4. HBase數(shù)據(jù)庫操作及項目實踐
第二天下午：Hive大型數(shù)據(jù)倉庫集群平臺及其應(yīng)用實踐
1. 基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎(chǔ)知識，HIVE在行業(yè)中的數(shù)據(jù)倉庫應(yīng)用案例
2. Hive大數(shù)據(jù)倉庫簡介以及應(yīng)用介紹
3. Hive數(shù)據(jù)倉庫集群的平臺體系結(jié)構(gòu)、核心技術(shù)剖析
4. Hive Server的工作原理、機制與應(yīng)用
5. Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化
6. Hive應(yīng)用開發(fā)技巧
7. Hive SQL剖析與應(yīng)用實踐
8. Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導(dǎo)入導(dǎo)出、客戶端操作技巧
9. Hive數(shù)據(jù)倉庫報表設(shè)計
10、Hive JDBC與ODBC的工作原理與實現(xiàn)機制
11、Hive HWI、CLI客戶端操作以及UDF應(yīng)用實踐
Mahout大數(shù)據(jù)分析挖掘平臺及其應(yīng)用實踐
1. Mahout集群的安裝部署與配置優(yōu)化
2. Mahout實現(xiàn)客戶分析，廣告分析，日志分析，規(guī)律預(yù)測，關(guān)聯(lián)分析，定向推薦等應(yīng)用程序的開發(fā)與應(yīng)用實戰(zhàn)
3. Mahout性能優(yōu)化與分析挖掘算法參數(shù)的優(yōu)化技巧
Hive數(shù)據(jù)倉庫與Mahout數(shù)據(jù)挖掘平臺的應(yīng)用實踐操作訓(xùn)練
1. 部署與配置HIVE集群，以及HIVE性能調(diào)優(yōu)
2. 構(gòu)建HIVE開發(fā)環(huán)境
3. HIVE數(shù)據(jù)倉庫操作及項目實踐
4. 實現(xiàn)Mahout與Hadoop HBase的應(yīng)用集成，實現(xiàn)日志數(shù)據(jù)分析挖掘項目的應(yīng)用實踐
第三天上午：Spark大數(shù)據(jù)實時處理平臺剖析
1. Spark的發(fā)展歷程以及業(yè)界的實際應(yīng)用介紹
2. Spark實時大數(shù)據(jù)處理平臺架構(gòu)
3. Spark RDD內(nèi)存彈性分布式數(shù)據(jù)集的工作原理與機制
4. Spark的核心組件剖析
5. 基于Spark的實時數(shù)據(jù)倉庫與實時分析挖掘處理在行業(yè)中的應(yīng)用實踐案例
基于Spark的實時數(shù)據(jù)倉庫和實時數(shù)據(jù)分析挖掘處理平臺的實現(xiàn)機制，以及SparkSQL，Spark Streaming，MLib，GraphX，SparkR的應(yīng)用實踐
1. 內(nèi)存計算模型和實時處理技術(shù)介紹
2. Spark中各個分布式組件的處理框架及工作原理
3. Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理機制及應(yīng)用實踐
4. Spark Streaming流式數(shù)據(jù)實時處理機制及應(yīng)用實踐
5. Spark MLib實時機器學(xué)習(xí)算法應(yīng)用實踐與案例應(yīng)用
6. Spark GraphX實時圖數(shù)據(jù)處理應(yīng)用實踐與社交網(wǎng)絡(luò)分析應(yīng)用案例
7. SparkR的實現(xiàn)原理與應(yīng)用實踐
8. Spark組件的應(yīng)用編程開發(fā)實戰(zhàn)
9. Spark與Hadoop的集成解決方案實踐
Spark平臺與各個組件的實踐操作訓(xùn)練
1. 部署與配置Spark集群，以及Spark性能調(diào)優(yōu)
2. 構(gòu)建Spark開發(fā)環(huán)境
3. Spark程序運行以及操作
4. Spark SQL應(yīng)用操作實訓(xùn)
5. Spark Streaming應(yīng)用操作實訓(xùn)
6. Spark MLib應(yīng)用操作實訓(xùn)
7. Spark GraphX應(yīng)用操作實訓(xùn)
8. SparkR應(yīng)用操作實訓(xùn)
9. Spark與HBase集成數(shù)據(jù)分析實驗實訓(xùn)
第三天下午：Storm流式數(shù)據(jù)處理平臺架構(gòu)及其應(yīng)用實踐
1. Storm流式處理系統(tǒng)的平臺架構(gòu)和工作原理
2. Storm關(guān)鍵技術(shù)剖析
3. Storm集群安裝部署與配置優(yōu)化
4. Storm日志流數(shù)據(jù)分析項目應(yīng)用實戰(zhàn)
5. Storm和Hadoop，Spark的應(yīng)用集成項目實踐
大數(shù)據(jù)智能化ETL操作工具以及Hadoop集群運維監(jiān)控工具平臺應(yīng)用
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集群安裝部署與配置
3. Kettle集群的平臺架構(gòu)、核心技術(shù)工作原理以及應(yīng)用案例
4. Kettle大數(shù)據(jù)ETL工具的部署與配置，以及應(yīng)用實戰(zhàn)
5. 利用Sqoop實現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)出交互程序
6. Hadoop大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)HUE平臺的安裝部署與應(yīng)用配置
7. Hadoop運維管理監(jiān)控系統(tǒng)Ambari平臺的安裝部署與應(yīng)用配置
8. Hadoop集群運維系統(tǒng)Ganglia, Nagios的安裝部署與應(yīng)用配置
大數(shù)據(jù)分布式采集與分布式消息訂閱系統(tǒng)及其應(yīng)用實踐（可選）
1. Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn)
2. Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn)
內(nèi)存數(shù)據(jù)庫管理系統(tǒng)及其應(yīng)用實踐（可選）
1. Impala實時查詢系統(tǒng)平臺架構(gòu)、核心關(guān)鍵技術(shù)剖析
2. Impala實時查詢系統(tǒng)的部署與應(yīng)用開發(fā)實踐
3. Redis內(nèi)存數(shù)據(jù)庫集群架構(gòu)以及核心技術(shù)剖析
4. Redis集群的部署與應(yīng)用開發(fā)實戰(zhàn)與案例分析
Cassandra數(shù)據(jù)管理系統(tǒng)應(yīng)用實踐（可選）
1. Cassandra集群的平臺架構(gòu)以及核心關(guān)鍵技術(shù)
2. Cassandra一致性哈希算法與數(shù)據(jù)對象分布策略
3. Cassandra集群的安裝部署與配置優(yōu)化
4. Cassandra應(yīng)用開發(fā)實戰(zhàn)與案例分析
大數(shù)據(jù)項目應(yīng)用完整實踐與咨詢討論
1. 根據(jù)講師布置的實際應(yīng)用案例，開展大數(shù)據(jù)完整項目部署設(shè)計和應(yīng)用開發(fā)實踐
2. 大數(shù)據(jù)項目的需求分析、應(yīng)用實施以及解決方案分享咨詢與交流討論
第四天：學(xué)習(xí)考核與行業(yè)經(jīng)驗交流
