 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/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】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
互聯網點擊數據、傳感數據、日志文件、具有豐富地理空間信息的移動數據和涉及網絡的各類評論，成為了海量信息的多種形式。當數據以成百上千TB不斷增長的時候，我們在內部交易系統的歷史信息之外，需要一種基于大數據分析的決策模型和技術支持。
????
大數據通常具有：數據體量(Volume)巨大,數據類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數據已成為當前亟待解決的問題。大數據處理意味著更嚴峻的挑戰，更好地管理和處理這些數據也將會獲得意想不到的收獲。
????
Google發布的GFS和MapReduce等高可擴展、高性能的分布式大數據處理框架，證明了在處理海量網頁數據時該框架的優越性。GFS/MapReduce框架實現了更高應用層次的抽象，使用戶無需關注復雜的內部工作機制，無需具備豐富的分布式系統知識及開發經驗，即可實現大規模分布式系統的部署與大數據的并行處理。Apache Hadoop開源項目開發團隊,克隆了GFS/MapReduce框架，推出了Hadoop系統。該系統已受到學術界和工業界的廣泛認可和采納，并孵化出眾多子項目(如Hive、Pig、HBase和Zookeeper等)，日益形成一個易部署、易開發、功能齊全、性能優良的系統。
????
本課程從大數據技術以及Hadoop/Yarn實戰的角度，結合理論和實踐，全方位地介紹Hadoop/Yarn這一高性能處理大數據工具的開發技巧。本課程涉及的主題包括：Hadoop/Yarn分布式文件系統DFS；MapReduce的的工作機制、類型和格式；如何構建和管理Hadoop/Yarn集群；Pig Latin語言的使用技巧；Hive數據倉庫工具介紹；HBase和Zookeeper工具的使用和管理；開源數據采集工具sqoop。
????
本課程教學過程中還提供了案例分析來幫助學員了解如何用Hadoop/Yarn系列工具來解決具體的問題，并介紹了從大數據中挖掘出有價值的信息的關鍵。
????
本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經驗，在課程中將會針對這些問題與學員一起進行研究，在關鍵點上還會搭建實驗環境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動Hadoop/Yarn相關的項目開發上升到一個新水平。
培訓目標
1，全面了解基于Hadoop/Yarn的大數據處理相關知識。
2，學習Hadoop/Yarn的核心技術方法以及應用特征。
3，深入學習Hadoop/Yarn相關工具在大數據中的實操使用。
4，了解Hadoop與Storm、Spark、Docker等技術的融合使用。
課程大綱
第一講、云計算及大數據處理技術介紹
1）云計算的概念
2）云計算發展現狀
3）大數據的概念
4）大數據的應用
5）大數據關鍵技術
第二講、Google的關鍵技術
1）GFS分布式文件系統
2）Chubby并發鎖機制
3）MapReduce計算模型
4）Bigtable大表管理技術
第三講、Hadoop系統及HDFS
1） Hadoop及其運行架構
2） Yarn中的隔離和調度機制
3） HDFS分布式文件及塊
4） Seqenence file等DFS文件格式
5） HA和Federation
第四講、MapReduce計算模型設計
1) MapReduce產生背景
2) MapReduce編程模型
3) MapReduce實現機制
4) MapReduce案例分析
第五講、Pig 數據流處理工具
1）Pig 設計的目標
2）Pig Latine介紹
3）Pig關鍵性技術
4）Pig的實用案例
第六講、 云數據倉庫Hive
1) Hive設計目標
2) Hive數據模型
3) Hive關鍵性技術
4) Hive的使用案例
第七講、HBase和NoSQL
1）NoSQL技術及其應用介紹
2）HBase數據處理機制
3）HBase列族設計及API
4）HBase高并發讀/寫的實現
5）ZooKeeper并發控制模型
第八講、 數據抽取工具Sqoop
1）云中數據與DBMS數據的交換
2）Sqoop數據抽取關鍵技術
3）Sqoop數據抽取策略
4）Sqoop的使用實例
第九講、 Hadoop與其他云數據處理技術的融合
1）其他云環境中大數據處理技術介紹
2）與Spark實時處理技術的融合
3）與Storm流數據處理技術的融合
4）與Docker等其它云工具的融合
5）基于Hadoop/Yarn的大數據挖掘應用 |
|
|
|
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
