產(chǎn)品展示
廣州大數(shù)據(jù)Hadoop與Spark架構(gòu)應(yīng)用實(shí)戰(zhàn) 培訓(xùn)
點(diǎn)擊次數(shù)：35發(fā)布時(shí)間：2016/3/8 11:21:55
更新日期：2016/3/18 10:30:34
所 在 地：中國(guó)大陸
產(chǎn)品型號(hào)：
優(yōu)質(zhì)供應(yīng)
詳細(xì)內(nèi)容
| 培訓(xùn)地點(diǎn) | 廣州 | 杭州 | 成都 | 北京 | 上海 | 寧波 | 南京 | 杭州 | 上海 | 福州 |
| 培訓(xùn)時(shí)間 | 3月 24-27 | 4月 22-25 | 5月 23-26 | 6月 26-29 | 7月 28-31 | 8月 26-29 | 9月 23-26 | 10月 28-31 | 11月 26-29 | 12月17-20 |
一、 培訓(xùn)特色
1. 課程培訓(xùn)業(yè)界*流行、應(yīng)用*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(guò)程沙盤模擬實(shí)戰(zhàn)。
2. 通過(guò)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(tái)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(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。
二、 培訓(xùn)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*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*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.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(tái)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。
三、課程大綱
| 時(shí)間 | 課程模塊 | 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(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*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)目的技術(shù)選型與架構(gòu)設(shè)計(jì) 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)業(yè)、電信運(yùn)營(yíng)商、互聯(lián)網(wǎng)金融業(yè)、網(wǎng)上銀行、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)用案例剖析 |
| 業(yè)界主流的大數(shù)據(jù)技術(shù)產(chǎn)品與項(xiàng)目解決方案 | 1. 國(guó)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(kù)方案的剖析比較 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. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析 | |
| Hadoop大數(shù)據(jù)平臺(tái)剖析 | 1. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界的實(shí)際應(yīng)用介紹 2. Hadoop大數(shù)據(jù)平臺(tái)架構(gòu) 3. 基于Hadoop平臺(tái)的PB級(jí)大數(shù)據(jù)存儲(chǔ)管理與分析處理的工作原理與機(jī)制 4. Hadoop的核心組件剖析 | |
| 天 下午 | 大數(shù)據(jù)分布式存儲(chǔ)系統(tǒng)原理及其應(yīng)用實(shí)踐 | 1. 分布式文件系統(tǒng)HDFS的簡(jiǎn)介 2. HDFS系統(tǒng)的主從式平臺(tái)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(chǔ)系統(tǒng)應(yīng)用開發(fā)實(shí)戰(zhàn) 5. HDFS集群的安裝、部署、配置與性能優(yōu)化實(shí)踐 6. HDFS與Linux NFS3交互技術(shù)以及本地化部署應(yīng)用實(shí)踐 7. 分布式鍵值存儲(chǔ)系統(tǒng)的平臺(tái)架構(gòu)、核心技術(shù)以及應(yīng)用開發(fā) 8. PB級(jí)大數(shù)據(jù)存儲(chǔ)項(xiàng)目的案例分析 |
| 大數(shù)據(jù)MapReduce與Yarn并行處理平臺(tái) | 1. MapReduce并行計(jì)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(jì)算框架Yarn的工作原理以及DAG并行執(zhí)行機(jī)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(jí)編程技巧與性能優(yōu)化實(shí)踐 6. MapReduce與Yarn大數(shù)據(jù)分析處理案例分析 | |
| Hadoop應(yīng)用實(shí)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(shí)踐 2. 部署與配置MapReduce與Yarn及其開發(fā)實(shí)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(kù)管理系統(tǒng) | 1. NoSQL數(shù)據(jù)庫(kù)與NewSQL數(shù)據(jù)庫(kù)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(shí)踐 2. HBase分布式數(shù)據(jù)庫(kù)簡(jiǎn)介、數(shù)據(jù)模型以及工作原理 3. HBase分布式數(shù)據(jù)庫(kù)集群的平臺(tái)架構(gòu)和關(guān)鍵技術(shù)剖析 4. HBase應(yīng)用項(xiàng)目開發(fā)技巧，以及客戶端開發(fā)實(shí)戰(zhàn) 5. HBase表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫(kù)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(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn) 8. HBase集群的運(yùn)維與監(jiān)控管理 |
| HBase半結(jié)構(gòu)化數(shù)據(jù)管理應(yīng)用實(shí)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(kù)操作及項(xiàng)目實(shí)踐 | |
| 第二天 下午 | Hive大型數(shù)據(jù)倉(cāng)庫(kù)集群平臺(tái)及其應(yīng)用實(shí)踐 | 1. 基于Hadoop的大型分布式數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)知識(shí)，HIVE在行業(yè)中的數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例 2. Hive大數(shù)據(jù)倉(cāng)庫(kù)簡(jiǎn)介以及應(yīng)用介紹 3. Hive數(shù)據(jù)倉(cāng)庫(kù)集群的平臺(tái)體系結(jié)構(gòu)、核心技術(shù)剖析 4. Hive Server的工作原理、機(jī)制與應(yīng)用 5. Hive數(shù)據(jù)倉(cāng)庫(kù)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(shí)踐 8. Hive數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)報(bào)表設(shè)計(jì) 10、Hive JDBC與ODBC的工作原理與實(shí)現(xiàn)機(jī)制 11、Hive HWI、CLI客戶端操作以及UDF應(yīng)用實(shí)踐 |
| Mahout大數(shù)據(jù)分析挖掘平臺(tái)及其應(yīng)用實(shí)踐 | 1. Mahout集群的安裝部署與配置優(yōu)化 2. Mahout實(shí)現(xiàn)客戶分析，廣告分析，日志分析，規(guī)律預(yù)測(cè)，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(shí)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(cāng)庫(kù)與Mahout數(shù)據(jù)挖掘平臺(tái)的應(yīng)用實(shí)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(cāng)庫(kù)操作及項(xiàng)目實(shí)踐 4. 實(shí)現(xiàn)Mahout與Hadoop HBase的應(yīng)用集成，實(shí)現(xiàn)日志數(shù)據(jù)分析挖掘項(xiàng)目的應(yīng)用實(shí)踐 | |
| 第三天 上午 | Spark大數(shù)據(jù)實(shí)時(shí)處理平臺(tái)剖析 | 1. Spark的發(fā)展歷程以及業(yè)界的實(shí)際應(yīng)用介紹 2. Spark實(shí)時(shí)大數(shù)據(jù)處理平臺(tái)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(jī)制 4. Spark的核心組件剖析 5. 基于Spark的實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)與實(shí)時(shí)分析挖掘處理在行業(yè)中的應(yīng)用實(shí)踐案例 |
| 基于Spark的實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)和實(shí)時(shí)數(shù)據(jù)分析挖掘處理平臺(tái)的實(shí)現(xiàn)機(jī)制，以及SparkSQL，Spark Streaming，MLib，GraphX，SparkR的應(yīng)用實(shí)踐 | 1. 內(nèi)存計(jì)算模型和實(shí)時(shí)處理技術(shù)介紹 2. Spark中各個(gè)分布式組件的處理框架及工作原理 3. Spark SQL實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)原理機(jī)制及應(yīng)用實(shí)踐 4. Spark Streaming流式數(shù)據(jù)實(shí)時(shí)處理機(jī)制及應(yīng)用實(shí)踐 5. Spark MLib實(shí)時(shí)機(jī)器學(xué)習(xí)算法應(yīng)用實(shí)踐與案例應(yīng)用 6. Spark GraphX實(shí)時(shí)圖數(shù)據(jù)處理應(yīng)用實(shí)踐與社交網(wǎng)絡(luò)分析應(yīng)用案例 7. SparkR的實(shí)現(xiàn)原理與應(yīng)用實(shí)踐 8. Spark組件的應(yīng)用編程開發(fā)實(shí)戰(zhàn) 9. Spark與Hadoop的集成解決方案實(shí)踐 | |
| Spark平臺(tái)與各個(gè)組件的實(shí)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(yùn)行以及操作 4. Spark SQL應(yīng)用操作實(shí)訓(xùn) 5. Spark Streaming應(yīng)用操作實(shí)訓(xùn) 6. Spark MLib應(yīng)用操作實(shí)訓(xùn) 7. Spark GraphX應(yīng)用操作實(shí)訓(xùn) 8. SparkR應(yīng)用操作實(shí)訓(xùn) 9. Spark與HBase集成數(shù)據(jù)分析實(shí)驗(yàn)實(shí)訓(xùn) | |
|
第三天下午
| Storm流式數(shù)據(jù)處理平臺(tái)架構(gòu)及其應(yīng)用實(shí)踐 | 1. Storm流式處理系統(tǒng)的平臺(tái)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(xiàng)目應(yīng)用實(shí)戰(zhàn) 5. Storm和Hadoop，Spark的應(yīng)用集成項(xiàng)目實(shí)踐 |
| 大數(shù)據(jù)智能化ET操作工具以及Hadoop集群運(yùn)維監(jiān)控工具平臺(tái)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(tái)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(shí)戰(zhàn) 5. 利用Sqoop實(shí)現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)出交互程序 6. Hadoop大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng)HUE平臺(tái)的安裝部署與應(yīng)用配置 7. Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari平臺(tái)的安裝部署與應(yīng)用配置 8. Hadoop集群運(yùn)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(shí)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(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn) 2. Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹、平臺(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn) | |
| 內(nèi)存數(shù)據(jù)庫(kù)管理系統(tǒng)及其應(yīng)用實(shí)踐（可選） | 1. Impala實(shí)時(shí)查詢系統(tǒng)平臺(tái)架構(gòu)、核心關(guān)鍵技術(shù)剖析 2. Impala實(shí)時(shí)查詢系統(tǒng)的部署與應(yīng)用開發(fā)實(shí)踐 3. Redis內(nèi)存數(shù)據(jù)庫(kù)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(shí)戰(zhàn)與案例分析 | |
| Cassandra數(shù)據(jù)管理系統(tǒng)應(yīng)用實(shí)踐（可選） | 1. Cassandra集群的平臺(tái)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(duì)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(shí)戰(zhàn)與案例分析 | |
| 大數(shù)據(jù)項(xiàng)目應(yīng)用完整實(shí)踐與咨詢討論 | 1. 根據(jù)講師布置的實(shí)際應(yīng)用案例，開展大數(shù)據(jù)完整項(xiàng)目部署設(shè)計(jì)和應(yīng)用開發(fā)實(shí)踐 2. 大數(shù)據(jù)項(xiàng)目的需求分析、應(yīng)用實(shí)施以及解決方案分享咨詢與交流討論 | |
| 學(xué)習(xí)考核與行業(yè)經(jīng)驗(yàn)交流 | ||
四、 授課師資
鐘老師 現(xiàn)任職于中科院某研究所，高級(jí)工程師，副高職稱，博士畢業(yè)于中國(guó)科學(xué)院計(jì)算技術(shù)研究所，獲工學(xué)博士學(xué)位（計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)方向）。中培教育的大數(shù)據(jù)、云計(jì)算、移動(dòng)互聯(lián)網(wǎng)系列課程建設(shè)與教學(xué)專家。近六年來(lái)帶領(lǐng)團(tuán)隊(duì)主要從事大數(shù)據(jù)與云計(jì)算技術(shù)項(xiàng)目的研發(fā)與IT項(xiàng)目管理工作。鐘老師有著多年的企業(yè)內(nèi)訓(xùn)和公開課培訓(xùn)講師經(jīng)歷，主要講授大數(shù)據(jù)平臺(tái)技術(shù)、云計(jì)算、移動(dòng)互聯(lián)網(wǎng)、電子商務(wù)、IT信息軟件項(xiàng)目管理、企業(yè)信息化規(guī)劃與管理、IT戰(zhàn)略規(guī)劃與企業(yè)架構(gòu)、數(shù)據(jù)中心主機(jī)規(guī)劃與IDC系統(tǒng)運(yùn)營(yíng)等企業(yè)實(shí)戰(zhàn)類培訓(xùn)課程。鐘老師將原理技術(shù)剖析和應(yīng)用實(shí)戰(zhàn)相結(jié)合的授課風(fēng)格受到廣大公開課學(xué)員和企業(yè)內(nèi)訓(xùn)學(xué)員的歡迎。
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(tái)，并有商業(yè)與開源云計(jì)算平臺(tái)的實(shí)踐經(jīng)驗(yàn),對(duì)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(duì)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(kù)、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。
