我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

課程介紹

隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實(shí)地迎來了一個(gè)大數(shù)據(jù)的時(shí)代。如何對(duì)海量數(shù)據(jù)進(jìn)行挖掘和分析，已經(jīng)成為一個(gè)非常重要且緊迫的需求。

從2008年Natural正式定義“大數(shù)據(jù)”開始，以Hadoop為代表的大數(shù)據(jù)處理和分析工具，以其可伸縮性、健壯性、計(jì)算性能和成本上具有無可替代的優(yōu)勢(shì)，事實(shí)上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流數(shù)據(jù)分析平臺(tái)。大數(shù)據(jù)相關(guān)技術(shù)最近幾年出現(xiàn)了井噴的趨勢(shì)，眾多技術(shù)紛紛出現(xiàn)，典型的系統(tǒng)包括Hadoop、Spark、SparkSQL、Hive、HBase、Kafka、Streaming、Parquet、ElasticSearch、Mahout、MLlib、Docker等，涵蓋網(wǎng)絡(luò)數(shù)據(jù)爬取、日志采集、分布式消息訂閱、大數(shù)據(jù)分析挖掘等方面，涉及離線批處理、實(shí)時(shí)處理、流式處理等多種處理方式。

面對(duì)如此眾多的新技術(shù)，如何利用這些流行的大數(shù)據(jù)產(chǎn)品，構(gòu)成一個(gè)大數(shù)據(jù)系統(tǒng)，如何監(jiān)控其性能，性能指標(biāo)如何分析，性能問題如何定位和解決，成為一個(gè)緊迫的亟待解決的問題。

為解決廣大系統(tǒng)設(shè)計(jì)人員深入研究與開發(fā)主流大數(shù)據(jù)系統(tǒng)，解決廣大系統(tǒng)設(shè)計(jì)人員深入分析及性能監(jiān)控的需要，我培訓(xùn)中心特舉辦“主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控及分析”培訓(xùn)班。

課程對(duì)象

1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員。

2，牽涉到主流大數(shù)據(jù)系統(tǒng)分析建模的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。

3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。

4，高校、科研院所牽涉到主流大數(shù)據(jù)系統(tǒng)應(yīng)用的項(xiàng)目負(fù)責(zé)人。

5，對(duì)大數(shù)據(jù)系統(tǒng)性能監(jiān)控及分析感興趣的人員。

課程目標(biāo)

1、全面了解主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控技術(shù)的相關(guān)知識(shí)。

2、學(xué)習(xí)主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控方法以及應(yīng)用特征。

3、學(xué)習(xí)使用主流大數(shù)據(jù)系統(tǒng)以及在數(shù)據(jù)分析中的使用。

4、了解主流大數(shù)據(jù)系統(tǒng)的技術(shù)融合。

課程大綱

第一講 大數(shù)據(jù)技術(shù)基礎(chǔ)

1）大數(shù)據(jù)應(yīng)用需求及潛在價(jià)值分析

2）大數(shù)據(jù)與數(shù)據(jù)庫解決方案的對(duì)比

3）國內(nèi)外主流的大數(shù)據(jù)解決方案

4）開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析

5）大數(shù)據(jù)下的技術(shù)選型與架構(gòu)設(shè)計(jì)

第二講 批處理大數(shù)據(jù)平臺(tái)Hadoop

1）Hadoop及其運(yùn)行架構(gòu)

2）HDFS分布式文件系統(tǒng)

3）MapReduce計(jì)算模型

4）HBase大表管理技術(shù)

5）Hadoop平臺(tái)使用和實(shí)操

6) Hadoop性能監(jiān)控及分析

第三講 快速大數(shù)據(jù)平臺(tái)Spark

1) Spark快速處理技術(shù)

2)彈性分布式數(shù)據(jù)集RDD

3) Spark分布式計(jì)算框架

4) Spark的BDAS生態(tài)系統(tǒng)

5) Spark平臺(tái)使用和實(shí)操

6)Spark性能監(jiān)控及分析

第四講 流式實(shí)時(shí)大數(shù)據(jù)平臺(tái)Streaming

1) 實(shí)時(shí)流數(shù)據(jù)處理工具Streaming

2) Spark Streaming原理

3) Spark Streaming架構(gòu)

4) Spark Streaming實(shí)例

5) Spark Streaming性能監(jiān)控及分析

第五講 云數(shù)據(jù)處理工具HBase

1) NoSQL技術(shù)及云數(shù)據(jù)庫介紹

2) HBase列數(shù)據(jù)存儲(chǔ)機(jī)制

3) HBase數(shù)據(jù)處理機(jī)制分析

4) HBase高并發(fā)讀/寫實(shí)現(xiàn)及案例

5) HBase性能監(jiān)控及分析

第六講 Hive及大數(shù)據(jù)中的SQL工具

1) 大數(shù)據(jù)中的類SQL工具

2) Hive設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型

3) Hive關(guān)鍵性技術(shù)分析

4) Hive數(shù)據(jù)操作和案例

5) Hive性能監(jiān)控及分析

第七講 SparkSQL類SQL工具

1) Spark SQL和BDAS數(shù)據(jù)分析棧

2) SparkSQL設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型

3) Spark SQL數(shù)據(jù)操作

4) SparkSQL關(guān)鍵性技術(shù)和案例

5) SparkSQL性能監(jiān)控及分析

第八講 分布式消息訂閱工具Kafka

1) Kafka應(yīng)用介紹

2) Kafka平臺(tái)架構(gòu)

3) Kafka集群部署與配置

4) Kafka應(yīng)用案例實(shí)操

5) Kafka性能監(jiān)控及分析

第九講 大數(shù)據(jù)存儲(chǔ)格式Parquet

1) 大數(shù)據(jù)存儲(chǔ)格式的要求

2) Parquet文件格式介紹

3) Parquet的組成分析

4) Parquet的應(yīng)用情況

5) Parquet性能監(jiān)控及分析

第十講 大數(shù)據(jù)分析挖掘工具

1）大數(shù)據(jù)挖掘及知識(shí)模型的發(fā)現(xiàn)

2）大數(shù)據(jù)挖掘工具M(jìn)ahout和MLlib

3）推薦方法及MLlib電影推薦案例

4）分類方法及Mahout新聞分類案例

5）聚類方法及K-Means聚類案例

第十一講 Elasticsearch搜索分析工具

1) 全文檢索與Elasticsearch工具

2) Elasticsearch索引及檢索

3) Elasticsearch信息擴(kuò)展索引結(jié)構(gòu)

4) ELK和Elasticsearch集群

5) Elasticsearch性能監(jiān)控及分析

第十二講 資源虛擬化工具Docker

1）虛擬化和容器技術(shù)

2）LXC和Docker的發(fā)展

3）Docker架構(gòu)及特性

4）鏡像、容器和倉庫

5）Docker的執(zhí)行及其案例實(shí)操

第十三講 大數(shù)據(jù)技術(shù)展望

1）大數(shù)據(jù)分析技術(shù)展望

2）大數(shù)據(jù)平臺(tái)的發(fā)展展望

3）大數(shù)據(jù)挖掘的應(yīng)用展望

楊老師

楊老師 主要研究網(wǎng)絡(luò)信息分析以及云計(jì)算相關(guān)技術(shù)，長期從事人工智能、大數(shù)據(jù)處理、云計(jì)算以及數(shù)據(jù)分析決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個(gè)國家和省部級(jí)基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。

我要報(bào)名

在線報(bào)名：主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控及分析(北京)