 班級規(guī)模及環(huán)境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數(shù)限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(xué)(滬西)/新城金郡商務(wù)樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學(xué)成教院 【北京分部】：北京中山學(xué)院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【沈陽分部】：沈陽理工大學(xué)/六宅臻品 【鄭州分部】：鄭州大學(xué)/錦華大廈 【石家莊分部】：河北科技大學(xué)/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈
最近開課時間(周末班/連續(xù)班/晚班）：2020年3月16日 |
| 實驗設(shè)備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費推薦工作
★實驗設(shè)備請點擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費提供課后技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費推薦就業(yè)機會。 |
課程大綱 |
培訓(xùn)特色
相對于其它專注于培訓(xùn)大數(shù)據(jù)技術(shù)的課程，本課程有如下特點：一是除了對各種大數(shù)據(jù)技術(shù)本身的原理、設(shè)計與使用方法進行全面深入的講解以外，更重要的是對各種技術(shù)的本質(zhì)與特點進行了深入的分析、比較與討論，從而使學(xué)員對各種技術(shù)的真正適用場景能客觀準(zhǔn)確的判斷；二是結(jié)合企業(yè)實際對大數(shù)據(jù)的概念進行了明確的澄清；三是結(jié)合企業(yè)應(yīng)用實際，介紹了各種大數(shù)據(jù)技術(shù)具體定位與應(yīng)用規(guī)劃與方法。
目標(biāo)收益
通過該課程學(xué)習(xí)，洞悉Hadoop，NoSQL與Spark等技術(shù)的原理、架構(gòu)與技術(shù)手段；結(jié)合豐富實例掌握其設(shè)計與開發(fā)方法，以及掌握如軟件架構(gòu)、性能調(diào)優(yōu)等使用過程中的實用技巧；深入了解Hadoop，NoSQL，Spark體系中各成員，理解Hadoop，NoSQL，Spark成員各自的優(yōu)、缺點與正確適用場景，了解技術(shù)最新發(fā)展動向，能對Hadoop，NoSQL與Spark體系在學(xué)員企業(yè)、學(xué)員項目、學(xué)員研發(fā)中是否可用、如何定位以及如何使用做出正確判斷與學(xué)習(xí)，并且對如何結(jié)合大數(shù)據(jù)技術(shù)規(guī)劃企業(yè)數(shù)據(jù)架構(gòu)得到相當(dāng)?shù)膯l(fā)與收獲。
培訓(xùn)對象
企業(yè)中高層技術(shù)管理人員、企業(yè)技術(shù)戰(zhàn)略決策者、軟件架構(gòu)師、軟件研發(fā)人員與大數(shù)據(jù)技術(shù)愛好者，有大數(shù)據(jù)及海量數(shù)據(jù)管理與處理需求的企業(yè)優(yōu)先。
學(xué)員基礎(chǔ)
企業(yè)數(shù)據(jù)架構(gòu)基礎(chǔ)知識；數(shù)據(jù)管理基礎(chǔ)知識；關(guān)系數(shù)據(jù)庫的操作與實踐；大數(shù)據(jù)概念了解。
課程大綱
主題 內(nèi)容
大數(shù)據(jù)時代關(guān)系數(shù)據(jù)庫的挑戰(zhàn)與應(yīng)對
1. 現(xiàn)代數(shù)據(jù)管理技術(shù)綜述
2. 關(guān)系數(shù)據(jù)庫技術(shù)的核心特征
3.主流關(guān)系數(shù)據(jù)庫的挑戰(zhàn)
4. 改進型關(guān)系數(shù)據(jù)庫
大數(shù)據(jù)技術(shù)綜述
1. 大數(shù)據(jù)概念澄清
2. 大數(shù)據(jù)技術(shù)家族
3. NoSQL技術(shù)綜述
3.1最早的NoSQL---BDB
3.2 Hadoop之Hbase與Facebook之Cassandra
3.3 MongoDB與CouchDB
3.4Memcached與Redis
3.5圖形數(shù)據(jù)庫Neo4j
4. MapReduce
5.關(guān)系數(shù)據(jù)庫聯(lián)邦
6.海量分布式文件系統(tǒng)
7大數(shù)據(jù)技術(shù)理論基礎(chǔ)
CAP，BASE，ACID
Hadoop實用教程
1. Hadoop技術(shù)概論
1.1 Hadoop體系架構(gòu)總論
1.2 HDFS-工作原理與架構(gòu)
1.3 平民化的分布式計算MapReduce
1.4 MapReduce工作原理與架構(gòu)
1.5 Hadoop數(shù)據(jù)倉庫-Hive
1.6 Hadoop NoSQL數(shù)據(jù)庫-HBase
1.7 工作流調(diào)度-Ooize
1.8 分布式協(xié)調(diào)系統(tǒng)--Zookeeper
2. Hadoop部署
2.1 Hadoop版本介紹與選擇
2.2 Hadoop部署實踐
2.3 Hadoop安裝文件構(gòu)成與配置體系
2.4 機器硬件建議配置
2.5 系統(tǒng)環(huán)境配置
2.6 基本參數(shù)配置與說明
2.7 進程分布規(guī)劃與啟動
3. 分布式文件系統(tǒng)HDFS實用教程
3.1 HDFS操作
3.2 HDFS編程—文件讀寫
3.3 HDFS數(shù)據(jù)壓縮
3.4 HDFS技術(shù)要點
4. MapReduce實用教程
4.1 MapReduce原理與架構(gòu)
4.2 MapReduce編程方法
4.3 MapReduce實用技術(shù)要點
4.4 MapReduce排序與關(guān)聯(lián)
4.5 MapReduce工作流
4.6 MapReduce調(diào)優(yōu)
5. MapReduce2.0-YARN
5.1 YARN的原理
5.2 YARN設(shè)計架構(gòu)
5.3 YARN工作流程
5.4 YARN與MapReduce1.0比較
6. MapReduce實例講解
6.1普通實例
6.2 高級實例
6.3 MapReduce高級數(shù)據(jù)分析（時間允許時）
7. Hadoop數(shù)據(jù)倉庫Hive
7.1 Hive編程
7.2 Hive環(huán)境部署與搭建
7.3 Hive工作機制
7.4 Hive語法與實踐
8. 其它ZooKeeper，Sqoop，Chukwa，Avro……
Hadoop技術(shù)分析
1. Hadoop MapReduce技術(shù)解析
6.1關(guān)于效率
6.2關(guān)于擴展性
6.3關(guān)于可靠性與可用性
6.4關(guān)于與關(guān)系數(shù)據(jù)庫
6.5關(guān)于適用的數(shù)據(jù)類型
6.6關(guān)于數(shù)據(jù)存儲與管理
2. Hadoop與關(guān)系數(shù)據(jù)庫
2.1 MapReduce與關(guān)系數(shù)據(jù)庫
2.2 Hive與MPP關(guān)系數(shù)據(jù)庫
NoSQL實用教程
1.NoSQL理論基礎(chǔ)---CAP與BASE深入分析
2.NoSQL實用教程
2.1 HBase實用教程
2.1.1 HBase原理
2.1.2 HBase實用安裝部署要點
2.1.3 HBase數(shù)據(jù)模型
2.1.4 HBase索引與關(guān)聯(lián)的實現(xiàn)
2.1.5 HBase使用
2.1.6HBase性能調(diào)優(yōu)
2.1.7 HBase高級設(shè)計教程---如何真正用好HBase
2.1.8 HBase與關(guān)系數(shù)據(jù)庫結(jié)合
3. NoSQL設(shè)計實例
3.1 HBase實現(xiàn)全屬性查詢
3.2 HBase實現(xiàn)時間序列數(shù)據(jù)管理
3.3 HBase與MapReduce結(jié)合示例
4. Facebook Cassandra介紹
5.MongoDB介紹
6.圖數(shù)據(jù)庫Neo4J介紹
NoSQL技術(shù)分析
1. NoSQL技術(shù)手段總結(jié)
1.1 水平分割
1.2 數(shù)據(jù)副本與讀寫一致性
1.3 In-Memory架構(gòu)
1.4 MVCC
1.5列存儲
1.6 COW
2. NoSQL技術(shù)解析
2.1 關(guān)于水平擴展性
2.2關(guān)于模式自由
3. NoSQL與關(guān)系數(shù)據(jù)庫
3.1 理論原則分析
3.2 邏輯模型分析
3.3 物理模型分析
3.4 索引、事務(wù)與關(guān)聯(lián)
3.5 使用場景定位
3.6 企業(yè)數(shù)據(jù)體系定位
Spark教程
1. Spark組成與體系架構(gòu)
2. Spark原理
3. Spark與Hadoop
4. Scala簡介
5. Spark技術(shù)流程
超越Hadoop
1. Hadoop技術(shù)體系的不足與尷尬
2. 新技術(shù)介紹
3. 互聯(lián)網(wǎng)技術(shù)體系介紹
4. 數(shù)據(jù)管理技術(shù)發(fā)展趨勢分析
大數(shù)據(jù)技術(shù)實踐分享
1. 海量數(shù)據(jù)處理架構(gòu)設(shè)計
2. 大數(shù)據(jù)驅(qū)動與企業(yè)業(yè)務(wù)/運營
3. 實踐中的企業(yè)大數(shù)據(jù)分析技術(shù)流程
3.1采集---各種方法的比較
3.2存儲---原始數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)提取
3.3模型---Web分析指標(biāo)體系
3.4分析---大數(shù)據(jù)分析方法
3.5 行動---個性化推薦
4. 大數(shù)據(jù)與企業(yè)交易
5. 大數(shù)據(jù)與企業(yè)交互
5. 自已設(shè)計大數(shù)據(jù)技術(shù)體系
大數(shù)據(jù)與企業(yè)新一代數(shù)據(jù)體系建設(shè)
1.傳統(tǒng)的以關(guān)系數(shù)據(jù)庫為主的企業(yè)數(shù)據(jù)架構(gòu)
2.大數(shù)據(jù)時代的新一代企業(yè)數(shù)據(jù)邏輯架構(gòu)
2.1 數(shù)據(jù)分類
2.2 數(shù)據(jù)分布
2.3 數(shù)據(jù)流轉(zhuǎn)
2.4 數(shù)據(jù)集成
2.5 數(shù)據(jù)交換
2.6 數(shù)據(jù)分析
2.7 應(yīng)用展示
3. 新一代企業(yè)數(shù)據(jù)技術(shù)架構(gòu)
3.1邏輯架構(gòu)
3.2技術(shù)方法
3.3物理平臺
4. 新一代企業(yè)數(shù)據(jù)架構(gòu)中Hadoop/NoSQL與關(guān)系數(shù)據(jù)庫的相互配合 |
|
|
|
|
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)
