日韩无码专区,日韩免费视频,中文字幕日韩人妻在线视频,欧美日韩精品,日韩视频在线观看,欧美MV日韩MV国产网站

大數(shù)據(jù)培訓(xùn)班課程-大數(shù)據(jù)平臺搭建與高性能計(jì)算
一、   培訓(xùn)收益
   通過此次課程培訓(xùn)，可使學(xué)習(xí)者獲得如下收益：
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；
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(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)庫技術(shù)；
8.掌握大數(shù)據(jù)倉庫與統(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)的原理知識和應(yīng)用實(shí)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(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)平臺進(jìn)行應(yīng)用程序開發(fā)、集群運(yùn)維管理和性能調(diào)優(yōu)技巧。
二、   培訓(xùn)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)用開發(fā)與調(diào)優(yōu)的全過程沙盤模擬實(shí)戰(zhàn)。
2.通過一個(gè)完整的大數(shù)據(jù)開發(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)平臺的應(yīng)用開發(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)過程中學(xué)到實(shí)實(shí)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(shí)戰(zhàn)技能，具備實(shí)際大數(shù)據(jù)應(yīng)用項(xiàng)目的動(dòng)手開發(fā)實(shí)踐與運(yùn)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(shí)際問題展開討論，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。
三、   日程安排

日程	培訓(xùn)模塊	培訓(xùn)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)勢與應(yīng)用趨勢 5.   大數(shù)據(jù)思維的轉(zhuǎn)變 6.   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) 7.   “互聯(lián)網(wǎng)+”時(shí)代下的電子商務(wù)、制造業(yè)、交通行業(yè)、電信運(yùn)營商、銀行金融業(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.   大數(shù)據(jù)生態(tài)系統(tǒng)全景圖 3.   主流的大數(shù)據(jù)解決方案介紹 4.   Apache大數(shù)據(jù)平臺方案剖析 5.   CDH大數(shù)據(jù)平臺方案剖析 6.   HDP大數(shù)據(jù)平臺方案剖析 7.   基于云的大數(shù)據(jù)平臺方案剖析 8.   大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較 9.   國內(nèi)外大數(shù)據(jù)平臺方案與廠商對比
	大數(shù)據(jù)計(jì)算模型（一）——批處理MapReduce	1.   MapReduce產(chǎn)生背景與適用場景 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)生背景與適用場景 2.   HDFS master-slave系統(tǒng)架構(gòu)與讀寫工作原理 3.   HDFS核心組件技術(shù)講解，NameNode與fsimage、editslog，DataNode與數(shù)據(jù)塊 4.   HDFS Federation機(jī)制，viewfs機(jī)制，使用場景講解 5.   HDFS高可用保證機(jī)制，SecondaryNameNode，NFS冷備份，基于zookeeper的HA方案
	大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)一	1. Hadoop平臺搭建、部署與應(yīng)用實(shí)踐，包含HDFS分布式文件系統(tǒng)，YARN資源管理軟件，MapReduce計(jì)算框架軟件 2. HDFS shell命令操作 3. MapReduce程序在YARN上運(yùn)行
第二天 上午	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 1.0的核心組件JobTracker，TaskTracker，以及適用范圍 3.   Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的聯(lián)系與區(qū)別 4.   Hadoop YARN的資源管理與作業(yè)調(diào)度機(jī)制 5.   Hadoop 常用性能優(yōu)化技術(shù)
	大數(shù)據(jù)計(jì)算模型（二）——實(shí)時(shí)處理/內(nèi)存計(jì)算 Spark	1.   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)處理平臺運(yùn)行架構(gòu)與核心組件 5.   Spark寬、窄依賴關(guān)系與DAG圖分析 6.   Spark容錯(cuò)機(jī)制 7.   Spark作業(yè)調(diào)度機(jī)制 8.   Spark standardalone，Spark on YARN運(yùn)行模式 9.   Scala開發(fā)介紹與Spark常用Transformation函數(shù)介紹
第二天 下午	大數(shù)據(jù)倉庫查詢技術(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)倉庫Hive基礎(chǔ)知識與應(yīng)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(jī)制與應(yīng)用 4.   Hive 分區(qū)、分桶機(jī)制，Hive行、列存儲(chǔ)格式 5.   基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎(chǔ)知識與應(yīng)用場景 6.   Spark SQL實(shí)時(shí)數(shù)據(jù)倉庫的實(shí)現(xiàn)原理與工作機(jī)制 7.   SparkSQL程序開發(fā)與DataFrame機(jī)制介紹 8.   基于MPP的大型分布式數(shù)據(jù)倉庫Impala基礎(chǔ)知識與應(yīng)用場景 9.   Impala實(shí)時(shí)查詢系統(tǒng)平臺架構(gòu)、關(guān)鍵技術(shù)介紹，以及與Hive，SparkSQL的對比
	Hadoop集群運(yùn)維監(jiān)控工具	1.  Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari工具介紹 2. 第三方運(yùn)維系統(tǒng)與工具Ganglia, Nagios
	大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)二	1.基于 Hadoop平臺搭建、部署與配置Spark集群，Spark shell環(huán)境實(shí)踐，Spark案例程序分析，Spark程序開發(fā)與運(yùn)行 2. 基于MapReduce的Hive數(shù)據(jù)倉庫實(shí)踐，Hive集群安裝部署，基于文件的Hive數(shù)據(jù)倉庫表導(dǎo)入導(dǎo)出與分區(qū)操作，Hive SQL操作，Hive客戶端操作 3. 基于Hive的SparkSQL shell實(shí)踐操作
第三天 上午	大數(shù)據(jù)計(jì)算模型（三）——流處理Storm, SparkStreaming	1.   流數(shù)據(jù)處理應(yīng)用場景與流數(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 8.   流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型 9.   SparkStreaming工作機(jī)制 10. SparkStreaming程序開發(fā)介紹 11. Storm與SparkStreaming的對比
第三天 下午	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 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)用介紹與平臺架構(gòu)，及其使用模式
	面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫及應(yīng)用實(shí)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(chǔ)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(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.   文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析 6.   MongoDB集群模式、讀寫機(jī)制與常用API操作 8.鍵值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析 9.Redis多實(shí)例集群架構(gòu)與關(guān)鍵技術(shù) 10.NewSQL數(shù)據(jù)庫技術(shù)簡介及其適用場景
	大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)三	1.Sqoop安裝、部署與配置，基于Sqoop、MySQL與Hive操作MySQL數(shù)據(jù)庫與Hive數(shù)據(jù)倉庫數(shù)據(jù)導(dǎo)入導(dǎo)出 2.Kafka安裝、部署與配置，基于Kafka創(chuàng)建和消費(fèi)topic實(shí)踐操作 3.Flume+HDFS+MapReduce/Spark大數(shù)據(jù)采集、存儲(chǔ)與分析實(shí)踐操作
	大數(shù)據(jù)項(xiàng)目選型、實(shí)施、優(yōu)化等問題交流討論	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
第四天	學(xué)習(xí)考核與業(yè)內(nèi)經(jīng)驗(yàn)交流

四、   授課專家
蔣老師  清華大學(xué)博士，云計(jì)算專家 熟悉主流的云計(jì)算平臺，并有商業(yè)與開源云計(jì)算平臺的實(shí)踐經(jīng)驗(yàn),對云計(jì)算關(guān)鍵技術(shù)有深刻了解和實(shí)踐經(jīng)驗(yàn)，如分布式系統(tǒng)、虛擬化、分布式文件系統(tǒng)、云存儲(chǔ)等，參與并領(lǐng)導(dǎo)多個(gè)大型云計(jì)算項(xiàng)目。對大數(shù)據(jù)關(guān)鍵技術(shù)有深刻了解和實(shí)踐經(jīng)驗(yàn)，如NoSQL數(shù)據(jù)庫、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。
趙老師  清華大學(xué)計(jì)算機(jī)雙學(xué)士，甲骨文(中國)軟件系統(tǒng)有限公司高級技術(shù)顧問，大數(shù)據(jù)、數(shù)據(jù)庫、中間件技術(shù)和Java專家。15年IT行業(yè)從業(yè)經(jīng)歷，10年培訓(xùn)授課經(jīng)驗(yàn)。具有豐富的大數(shù)據(jù)方法論、數(shù)據(jù)科學(xué)、大數(shù)據(jù)生態(tài)圈技術(shù)知識和大數(shù)據(jù)規(guī)劃建設(shè)、應(yīng)用實(shí)施和客戶培訓(xùn)經(jīng)驗(yàn)。
五、   培訓(xùn)費(fèi)用
培訓(xùn)費(fèi)5800元/人（含培訓(xùn)費(fèi)、場地費(fèi)、資料費(fèi)、學(xué)習(xí)期間午餐），食宿可統(tǒng)一安排，費(fèi)用自理。請學(xué)員帶身份證復(fù)印件一張。
本課程頒發(fā)《大數(shù)據(jù)平臺搭建與高性能計(jì)算高級工程師》證書，證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。