我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

課程介紹：

1.需求理解

Hadoop 設(shè)計(jì)之初的目標(biāo)就定位于高可靠性、高可拓展性、高容錯(cuò)性和高效性，正是這些設(shè)計(jì)上與生俱來的優(yōu)點(diǎn)，才使得Hadoop 一出現(xiàn)就受到眾多大公司的青睞，同時(shí)也引起了研究界的普遍關(guān)注。

對電信運(yùn)營商而言,用戶上網(wǎng)日志包含了大量用戶個(gè)性化需求、喜好信息,對其進(jìn)行分析和挖掘,能更好地了解客戶需求。傳統(tǒng)經(jīng)營分析系統(tǒng)小型機(jī)加關(guān)系型數(shù)據(jù)庫的架構(gòu)無法滿足對海量非結(jié)構(gòu)化數(shù)據(jù)的處理需求,搭建基于X86的Hadoop 平臺,引入大數(shù)據(jù)處理技術(shù)的方式,實(shí)現(xiàn)高效率、低成本、易擴(kuò)展的經(jīng)營分析系統(tǒng)混搭架構(gòu)成為電信運(yùn)營商最為傾向的選擇。本課程將全面介紹Hadoop平臺開發(fā)和運(yùn)維的各項(xiàng)技術(shù)，對學(xué)員使用該項(xiàng)技術(shù)具有很高的應(yīng)用價(jià)值。

2.培訓(xùn)課程架構(gòu)與設(shè)計(jì)思路

（1）培訓(xùn)架構(gòu)：

本課程分為三個(gè)主要部分：

第一部分：重點(diǎn)講述大數(shù)據(jù)技術(shù)在的應(yīng)用，使學(xué)員對大數(shù)據(jù)技術(shù)的廣泛應(yīng)用有清晰的認(rèn)識，在這環(huán)節(jié)當(dāng)中會重點(diǎn)介紹Hadoop技術(shù)在整個(gè)大數(shù)據(jù)技術(shù)應(yīng)用中的重要地位和應(yīng)用情況。

第二部分：具體對hadoop技術(shù)進(jìn)行模塊化分拆，從大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用談起，介紹Hadoop技術(shù)各主要應(yīng)用工具和方法，以及在運(yùn)維維護(hù)當(dāng)中的主流做法，使學(xué)員全面了解和掌握Hadoop技術(shù)的精華。

第三部分：重點(diǎn)剖析大數(shù)據(jù)的應(yīng)用案例，使學(xué)員在案例當(dāng)中對該項(xiàng)技術(shù)有更深入的感觀印象

（2）設(shè)計(jì)思路：

本課程采用模塊化教學(xué)方法，以案例分析為主線，由淺入深、循序漸進(jìn)、由理論到實(shí)踐操作進(jìn)行設(shè)計(jì)。

（3）與企業(yè)的貼合點(diǎn)：

本課程結(jié)合企業(yè)轉(zhuǎn)型發(fā)展及大數(shù)據(jù)發(fā)展戰(zhàn)略，圍繞企業(yè)大數(shù)據(jù)業(yè)務(wù)及行業(yè)應(yīng)用市場拓展發(fā)展目標(biāo)，重點(diǎn)講授Hadoop的應(yīng)用技術(shù)，提升企業(yè)IT技術(shù)人員的開發(fā)和運(yùn)維能力，有很強(qiáng)的貼合度。

課程對象：

各地企事業(yè)單位大數(shù)據(jù)產(chǎn)業(yè)相關(guān)人員，運(yùn)營商 IT信息化和運(yùn)維工程師相關(guān)人員，金融業(yè)信息化相關(guān)人員，或?qū)Υ髷?shù)據(jù)感興趣的相關(guān)人員。

培訓(xùn)收益：

掌握大數(shù)據(jù)處理平臺（Hadoop、Spark、Storm）技術(shù)架構(gòu)、以及平臺的安裝部署、運(yùn)維配置、應(yīng)用開發(fā)；掌握主流大數(shù)據(jù)Hadoop平臺和Spark實(shí)時(shí)處理平臺的技術(shù)架構(gòu)和實(shí)際應(yīng)用；利用Hadoop+Spark對行業(yè)大數(shù)據(jù)進(jìn)行存儲管理和分析挖掘的技術(shù)應(yīng)用；講解Hadoop生態(tài)系統(tǒng)組件，包括Storm，HDFS，MapReduce，HIVE，HBase，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)

課程內(nèi)容：

第一天 上午

第一部分：移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算相關(guān)技術(shù)介紹

1、數(shù)據(jù)中心與云計(jì)算技術(shù)應(yīng)用

2、智慧城市與云計(jì)算技術(shù)應(yīng)用

3、移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計(jì)算關(guān)聯(lián)技術(shù)

4、移動云計(jì)算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈

5、大數(shù)據(jù)技術(shù)在運(yùn)營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實(shí)踐

6、國內(nèi)外主流的大數(shù)據(jù)解決方案介紹

7、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

8、Cloudera Hadoop 大數(shù)據(jù)平臺方案剖析

9、開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析

第二部分：大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向

1、大數(shù)據(jù)時(shí)代的挑戰(zhàn)

戰(zhàn)略決策能力

技術(shù)開發(fā)和數(shù)據(jù)處理能力

組織和運(yùn)營能力

2、大數(shù)據(jù)時(shí)代的發(fā)展方向

云計(jì)算是基礎(chǔ)設(shè)施架構(gòu)

大數(shù)據(jù)是靈魂資產(chǎn)

分析、挖掘是手段

發(fā)現(xiàn)和預(yù)測是最終目標(biāo)

3、大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況

電信行業(yè)應(yīng)用及案例分析

互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析

金融行業(yè)應(yīng)用及案例研究

銷售行業(yè)應(yīng)用案例分析

第三部分：大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用

1、Hadoop的發(fā)展歷程

Hadoop大數(shù)據(jù)平臺架構(gòu)

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(jī)制

Hadoop 的核心組件剖析

2、分布式文件系統(tǒng)HDFS

概述、功能、作用、優(yōu)勢

應(yīng)用范疇、應(yīng)用現(xiàn)狀

發(fā)展趨勢

3、分布式文件系統(tǒng)HDFS架構(gòu)及原理

核心關(guān)鍵技術(shù)

設(shè)計(jì)精髓

基本工作原理

系統(tǒng)架構(gòu)

文件存儲模式

工作機(jī)制

存儲擴(kuò)容與吞吐性能擴(kuò)展

4、分布式文件系統(tǒng)HDFS操作

SHELL命令操作

I/O流式操作

文件數(shù)據(jù)讀取、寫入、追加、刪除

文件狀態(tài)查詢

數(shù)據(jù)塊分布機(jī)制

數(shù)據(jù)同步與一致性

元數(shù)據(jù)管理技術(shù)

主節(jié)點(diǎn)與從節(jié)點(diǎn)工作機(jī)制

大數(shù)據(jù)負(fù)載均衡技術(shù)

HDFS大數(shù)據(jù)存儲集群管理技術(shù)

5、Hadoop生態(tài)系統(tǒng)組件

Storm

HDFS

MapReduce

HIVE

HBase

Spark

GraphX

MLib

Shark

第四部分：Hadoop文件系統(tǒng)HDFS最佳實(shí)戰(zhàn)

1、HDFS的設(shè)計(jì)

2、HDFS的概念

數(shù)據(jù)塊

namenode和datanode

聯(lián)邦HDFS

HDFS的高可用性

3、命令行接口

4、Hadoop文件系統(tǒng)

5、Java接口

從Hadoop URL讀取數(shù)據(jù)

通過FileSystem API讀取數(shù)據(jù)

寫入數(shù)據(jù)

目錄

查詢文件系統(tǒng)

刪除數(shù)據(jù)

6、數(shù)據(jù)流

剖析文件讀取

剖析文件寫入

一致模型

7、通過Flume和Sqoop導(dǎo)入數(shù)據(jù)

8、通過distcp并行復(fù)制

9、Hadoop存檔

使用Hadoop存檔工具

不足

第二天 上午

第五部分：Hadoop運(yùn)維管理與性能調(diào)優(yōu)

1、第二代大數(shù)據(jù)處理框架

Yarn的工作原理及

DAG并行執(zhí)行機(jī)制

Yarn大數(shù)據(jù)分析處理案例分析

Yarn 框架并行應(yīng)用程序?qū)嵺`

2、集群配置管理

Hadoop集群配置

Hadoop性能調(diào)優(yōu)與參數(shù)配置

Hadoop機(jī)架感知策略與配置

Hadoop壓縮機(jī)制

Hadoop任務(wù)負(fù)載均衡

Hadoop 集群維護(hù)

Hadoop監(jiān)控管理

3、HDFS的靜態(tài)調(diào)優(yōu)技巧

HDFS 的高吞吐量I/O性能調(diào)優(yōu)技巧

MapReduce/Yarn的并行處理性能調(diào)優(yōu)技巧

Hadoop集群的運(yùn)行故障剖析，以及解決方案

基于Hadoop大數(shù)據(jù)應(yīng)用程序的性能瓶頸剖析與提

Hadoop 大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng) HUE 平臺的安裝部署與應(yīng)用配置

Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari平臺的安裝部配置

Hadoop 集群運(yùn)維系統(tǒng) Ganglia, Nagios的安裝部署與應(yīng)用配置

第六部分：NOSQL數(shù)據(jù)庫Hbase與Redis

1、NOSQL基礎(chǔ)

CAP理論

Base與ACID

NOSQL數(shù)據(jù)庫存儲類型

鍵值存儲

列存儲

文檔存儲

圖形存儲

2、HBase分布式數(shù)據(jù)基礎(chǔ)

3、安裝Hbase

4、Hbase應(yīng)用

HBase的邏輯數(shù)據(jù)模型，HBase的表、行、列族、列、單元格、版本、row key排序

HBase的物理模型，命名空間（表空間）、表模式（Schema）的設(shè)計(jì)法則

HBase 主節(jié)點(diǎn)HMaster的工作原理，HMaster的高可用配置，以及性能調(diào)優(yōu)

HBase 從節(jié)點(diǎn)RegionServer（分區(qū)服務(wù)節(jié)點(diǎn)）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu)

HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析

HBase表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作

HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化

5、HBase分布式數(shù)據(jù)庫簡介、發(fā)展歷程、應(yīng)用場景、工作原理、以及應(yīng)用優(yōu)勢與不足之處

HBase分布式數(shù)據(jù)庫集群的主從式平臺架構(gòu)和關(guān)鍵技術(shù)剖析

HBase偽分布式和物理集群分布式的控制與運(yùn)行配置

HBase從節(jié)點(diǎn)RegionServer（分區(qū)服務(wù)節(jié)點(diǎn)）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu)

HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析

HBase表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作

HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化

ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺架構(gòu)、集群部署應(yīng)用實(shí)戰(zhàn)

ZooKeeper集群的原理架構(gòu)，以及應(yīng)用配置

6、Redis內(nèi)存數(shù)據(jù)庫介紹，以及業(yè)界應(yīng)用案例

Redis內(nèi)存數(shù)據(jù)庫集群架構(gòu)以及核心技術(shù)剖析

Redis 集群的安裝部署與應(yīng)用開發(fā)實(shí)戰(zhàn)

下午

第七部分：類SQL語句工具——Hive

1、安裝Hive

2、示例

3、運(yùn)行Hive

配置Hive

Hive服務(wù)

Metastore

4、Hive與傳統(tǒng)數(shù)據(jù)庫相比

讀時(shí)模式vs.寫時(shí)模式

更新、事務(wù)和索引

5、HiveQL

數(shù)據(jù)類型

操作與函數(shù)

6、表

托管表和外部表

分區(qū)和桶

存儲格式

導(dǎo)入數(shù)據(jù)

表的修改

表的丟棄

7、查詢數(shù)據(jù)

排序和聚集

MapReduce腳本

連接

子查詢

視圖

8、用戶定義函數(shù)

寫UDF

寫UDAF

第八部分：數(shù)據(jù)挖掘SPARK建?；A(chǔ)介紹

1、Spark簡介

Spark是什么

Spark生態(tài)系統(tǒng)BDAS

2、Spark架構(gòu)

Spark分布式架構(gòu)與單機(jī)多核架構(gòu)的異同

3、Spark集群的安裝與部署

Spark的安裝與部署

Spark集群初試

4、Spark硬件配置

Spark硬件

Spark硬件配置流程

第三天 上午

第九部分：Kafka基礎(chǔ)介紹

1、Kafka介紹

2、kafka體系結(jié)構(gòu)

3、kafka設(shè)計(jì)理念簡介

4、kafka通信協(xié)議

5、kafka的偽分布安裝、集群安裝

6、kafka的shell操作、java操作

7、kafka設(shè)計(jì)理念*

8、kafka producer和consumer開發(fā)

9、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(shí)戰(zhàn)

10、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(shí)戰(zhàn)

11、Hadoop與DBMS之間數(shù)據(jù)交互工具Sqoop的應(yīng)用實(shí)踐，

12、Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)以及Sqoop集群部署與配置

13、Kettle 集群的平臺架構(gòu)、核心技術(shù)、部署配置和應(yīng)用實(shí)戰(zhàn)

利用Sqoop實(shí)現(xiàn) MySQL 與 Hadoop 集群之間

第十部分：大數(shù)據(jù)典型應(yīng)用與開發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營

1、案例1：貴州數(shù)據(jù)交易中心

交易所交易形式：電子交易

交易所服務(wù)：大數(shù)據(jù)交易、大數(shù)據(jù)清洗建模分析、大數(shù)據(jù)定向采購、大數(shù)據(jù)平臺技術(shù)開發(fā)

大數(shù)據(jù)交易安全性探討分析

數(shù)據(jù)交易中心商業(yè)模式探討分析

2、案例2：大數(shù)據(jù)應(yīng)用案例：公共交通線路的智能規(guī)劃

UrbanInsights：為公交公司提供基于訂閱訪問的大數(shù)據(jù)工具以及大數(shù)據(jù)咨詢服務(wù)

Urban Insights數(shù)據(jù)源、數(shù)據(jù)收集、數(shù)據(jù)倉庫、數(shù)據(jù)分析——設(shè)計(jì)運(yùn)營線路

Urban Insights通過互聯(lián)網(wǎng)數(shù)據(jù)的運(yùn)營

討論：浙江移動大數(shù)據(jù)應(yīng)用與開發(fā)方向

下午

第十一部分：當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國內(nèi)外運(yùn)營商、互聯(lián)網(wǎng)公司為例

1、流商業(yè)大數(shù)據(jù)解決方案比較

2、主流開源云計(jì)算系統(tǒng)比較

3、國內(nèi)外代表性大數(shù)據(jù)平臺比較

4、各廠商最新的大數(shù)據(jù)產(chǎn)品介紹

5、案例分析

Facebook的SNS平臺應(yīng)用

Google的搜索引擎應(yīng)用

Rackspace的日志處理

Verizon成立精準(zhǔn)市場營銷部

TelefonicaDynamicInsights推出的名為“智慧足跡”的商業(yè)服務(wù)

中國聯(lián)通的“移動通信用戶上網(wǎng)記錄集中查詢與分析支撐系統(tǒng)”

第十二部分：課程總結(jié)與問題答疑評估培訓(xùn)

第四天 學(xué)員考試與業(yè)界交流

張老師

張老師：阿里大數(shù)據(jù)高級專家，國內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家，對HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進(jìn)行了多年的深入的研究，更主要的是這些技術(shù)在大量的實(shí)際項(xiàng)目中得到廣泛的應(yīng)用，因此在Hadoop開發(fā)和運(yùn)維方面積累了豐富的項(xiàng)目實(shí)施經(jīng)驗(yàn)。近年主要典型的項(xiàng)目有：某電信集團(tuán)網(wǎng)絡(luò)優(yōu)化、中國移動某省移動公司請賬單系統(tǒng)和某省移動詳單實(shí)時(shí)查詢系統(tǒng)、中國銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運(yùn)營商全國用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項(xiàng)目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺項(xiàng)目等。

我要報(bào)名

在線報(bào)名：“Hadoop大數(shù)據(jù)平臺開發(fā)與案例分析”高級工程師實(shí)戰(zhàn)培訓(xùn)班(蘇州)