您的位置：首頁 > 產(chǎn)品展廳 > 商務(wù)服務(wù) > 教育培訓 > 電腦IT培訓 > 廣州大數(shù)據(jù)Hadoop與Spark架構(gòu)應(yīng)用實戰(zhàn) 培訓
| 培訓地點 | 廣州 | 杭州 | 成都 | 北京 | 上海 | 寧波 | 南京 | 杭州 | 上海 | 福州 |
| 培訓時間 | 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、 培訓特色
1. 課程培訓業(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行沙盤實操練習，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、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，在學習的同時促進講師學員之間的交流，讓每個學員都能在課程培訓過程中學到實實在在的大數(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)學員的實際情況微調(diào)授課內(nèi)容，由講師帶著全部學員積極討論，并給出一定的時間讓學員上臺發(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、 培訓目標
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)外最新的大數(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)計機器學習技術(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、課程大綱
| 時間 | 課程模塊 | 課程內(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、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)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 | |
| 第一天 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)導入導出、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實時機器學習算法應(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 5. Spark Streaming應(yīng)用操作實訓 6. Spark MLib應(yīng)用操作實訓 7. Spark GraphX應(yīng)用操作實訓 8. SparkR應(yīng)用操作實訓 9. Spark與HBase集成數(shù)據(jù)分析實驗實訓 | |
|
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ET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導入導出數(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)導入導出交互程序 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 | |
| 學習考核與行業(yè)經(jīng)驗交流 | ||
四、 授課師資
鐘老師 現(xiàn)任職于中科院某研究所，高級工程師，副高職稱，博士畢業(yè)于中國科學院計算技術(shù)研究所，獲工學博士學位（計算機系統(tǒng)結(jié)構(gòu)方向）。中培教育的大數(shù)據(jù)、云計算、移動互聯(lián)網(wǎng)系列課程建設(shè)與教學專家。近六年來帶領(lǐng)團隊主要從事大數(shù)據(jù)與云計算技術(shù)項目的研發(fā)與IT項目管理工作。鐘老師有著多年的企業(yè)內(nèi)訓和公開課培訓講師經(jīng)歷，主要講授大數(shù)據(jù)平臺技術(shù)、云計算、移動互聯(lián)網(wǎng)、電子商務(wù)、IT信息軟件項目管理、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)中心主機規(guī)劃與IDC系統(tǒng)運營等企業(yè)實戰(zhàn)類培訓課程。鐘老師將原理技術(shù)剖析和應(yīng)用實戰(zhàn)相結(jié)合的授課風格受到廣大公開課學員和企業(yè)內(nèi)訓學員的歡迎。
蔣老師 清華大學博士，云計算專家 熟悉主流的云計算平臺，并有商業(yè)與開源云計算平臺的實踐經(jīng)驗,對云計算關(guān)鍵技術(shù)有深刻了解和實踐經(jīng)驗，如分布式系統(tǒng)、虛擬化、分布式文件系統(tǒng)、云存儲等，參與并領(lǐng)導多個大型云計算項目。對大數(shù)據(jù)關(guān)鍵技術(shù)有深刻了解和實踐經(jīng)驗，如NoSQL數(shù)據(jù)庫、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。
① 凡本網(wǎng)注明"來源：易推廣"的所有作品，版權(quán)均屬于易推廣，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用。已獲本網(wǎng)授權(quán)的作品，應(yīng)在授權(quán)范圍內(nèi)
使用，并注明"來源：易推廣"。違者本網(wǎng)將追究相關(guān)法律責任。② 本網(wǎng)凡注明"來源：xxx（非本網(wǎng)）"的作品，均轉(zhuǎn)載自其它媒體，轉(zhuǎn)載目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責，且不承擔此 類作品侵權(quán)行為的直接責任及連帶責任。如其他媒體、網(wǎng)站或個人從本網(wǎng)下載使用 ，必須保留本網(wǎng)注明的"稿件來源"，并自負版權(quán)等法律責任。
③ 如涉及作品內(nèi)容、版權(quán)等問題，請在作品發(fā)表之日起兩周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。
④易推廣頁面顯示產(chǎn)品信息均由企業(yè)自主發(fā)布，信息內(nèi)容真實性、準確性與合法性由相關(guān)企業(yè)負責，易推廣對此不承擔任何責任，如遇非法或侵權(quán)信息歡迎監(jiān)督，請聯(lián)系QQ：1273397930或者發(fā)郵件至：1273397930@qq.com，如有確實證件證明屬實，本站將對其刪除處理，謝謝！
⑤ 本信息由注冊會員：北京中培偉業(yè)管理咨詢有限公司發(fā)布并且負責版權(quán)等法律責任。
易推廣客服微信
