 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
上课地点：【上海】：同济大学(沪西)/新城金郡商务楼(11号线白银路站) 【深圳分部】：电影大厦(地铁一号线大剧院站)/深圳大学成教院 【北京分部】：北京中山学院/福鑫大楼 【南京分部】：金港大厦(和燕路) 【武汉分部】：佳源大厦（高新二路） 【成都分部】：领馆区1号（中和大道） 【沈阳分部】：沈阳理工大学/六宅臻品 【郑州分部】：郑州大学/锦华大厦 【石家庄分部】：河北科技大学/瑞景大厦 【广州分部】：广粮大厦 【西安分部】：协同大厦
最近开课时间(周末班/连续班/晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据分析的决策模型和技术支持。
大数据通常具有：数据体量(Volume)巨大,数据类型(Variety)繁多,价值(Value)密度低,处理速度(Velocity)快等四大特征。如何有效管理和高效处理这些大数据已成为当前亟待解决的问题。大数据处理意味着更严峻的挑战，更好地管理和处理这些数据也将会获得意想不到的收获。
Google发布的GFS和MapReduce等高可扩展、高性能的分布式大数据处理框架，证明了在处理海量网页数据时该框架的优越性。GFS/MapReduce框架实现了更高应用层次的抽象，使用户无需关注复杂的内部工作机制，无需具备丰富的分布式系统知识及开发经验，即可实现大规模分布式系统的部署与大数据的并行处理。Apache Hadoop开源项目开发团队,克隆了GFS/MapReduce框架，推出了Hadoop系统。该系统已受到学术界和工业界的广泛认可和采纳，并孵化出众多子项目(如Hive、Pig、HBase和Zookeeper等)，日益形成一个易部署、易开发、功能齐全、性能优良的系统。
本课程从大数据技术以及Hadoop/Yarn实战的角度，结合理论和实践，全方位地介绍Hadoop/Yarn这一高性能处理大数据工具的开发技巧。本课程涉及的主题包括：Hadoop/Yarn分布式文件系统DFS；MapReduce的的工作机制、类型和格式；如何构建和管理Hadoop/Yarn集群；Pig Latin语言的使用技巧；Hive数据仓库工具介绍；HBase和Zookeeper工具的使用和管理；开源数据采集工具sqoop。
本课程教学过程中还提供了案例分析来帮助学员了解如何用Hadoop/Yarn系列工具来解决具体的问题，并介绍了从大数据中挖掘出有价值的信息的关键。
本课程不是一个泛泛的理论性、概念性的介绍课程，而是针对问题讨论解决方案的深入课程。教师对于上述领域有深入的理论研究与实践经验，在课程中将会针对这些问题与学员一起进行研究，在关键点上还会搭建实验环境进行实践研究，以加深对于这些解决方案的理解。通过本课程学习，希望推动Hadoop/Yarn相关的项目开发上升到一个新水平。
培训目标
1，全面了解基于Hadoop/Yarn的大数据处理相关知识。
2，学习Hadoop/Yarn的核心技术方法以及应用特征。
3，深入学习Hadoop/Yarn相关工具在大数据中的实操使用。
4，了解Hadoop与Storm、Spark、Docker等技术的融合使用。
课程大纲
第一讲、云计算及大数据处理技术介绍
1）云计算的概念
2）云计算发展现状
3）大数据的概念
4）大数据的应用
5）大数据关键技术
第二讲、Google的关键技术
1）GFS分布式文件系统
2）Chubby并发锁机制
3）MapReduce计算模型
4）Bigtable大表管理技术
第三讲、Hadoop系统及HDFS
1） Hadoop及其运行架构
2） Yarn中的隔离和调度机制
3） HDFS分布式文件及块
4） Seqenence file等DFS文件格式
5） HA和Federation
第四讲、MapReduce计算模型设计
1) MapReduce产生背景
2) MapReduce编程模型
3) MapReduce实现机制
4) MapReduce案例分析
第五讲、Pig 数据流处理工具
1）Pig 设计的目标
2）Pig Latine介绍
3）Pig关键性技术
4）Pig的实用案例
第六讲、 云数据仓库Hive
1) Hive设计目标
2) Hive数据模型
3) Hive关键性技术
4) Hive的使用案例
第七讲、HBase和NoSQL
1）NoSQL技术及其应用介绍
2）HBase数据处理机制
3）HBase列族设计及API
4）HBase高并发读/写的实现
5）ZooKeeper并发控制模型
第八讲、 数据抽取工具Sqoop
1）云中数据与DBMS数据的交换
2）Sqoop数据抽取关键技术
3）Sqoop数据抽取策略
4）Sqoop的使用实例
第九讲、 Hadoop与其他云数据处理技术的融合
1）其他云环境中大数据处理技术介绍
2）与Spark实时处理技术的融合
3）与Storm流数据处理技术的融合
4）与Docker等其它云工具的融合
5）基于Hadoop/Yarn的大数据挖掘应用 |
|
|
|
|
|
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业
