免费一看一级欧美-免费一区二区三区免费视频-免费伊人-免费影片-99精品网-99精品小视频

       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(fèi)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(fèi)提供課后技術(shù)支持。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

• 第一部份
  1、【1】：大數(shù)據(jù)技術(shù)基礎(chǔ)
  1.大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程 2.大數(shù)據(jù)的4V特征，以及與云計(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)界最新的大數(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)思維的轉(zhuǎn)變 6.大數(shù)據(jù)項(xiàng)目的系統(tǒng)與技術(shù)選型，及落地實(shí)施的挑戰(zhàn) “互聯(lián)網(wǎng)+”時(shí)代下的電子商務(wù)、制造業(yè)、交通行業(yè)、電信運(yùn)營(yíng)商、銀行金融業(yè)、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)用案例介紹
  2、【1】：業(yè)界主流的大數(shù)據(jù)技術(shù)方案
  1.大數(shù)據(jù)軟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹 2.大數(shù)據(jù)生態(tài)系統(tǒng)全景圖 3.主流的大數(shù)據(jù)解決方案介紹 4.Apache大數(shù)據(jù)平臺(tái)方案剖析 5.CDH大數(shù)據(jù)平臺(tái)方案剖析 6.HDP大數(shù)據(jù)平臺(tái)方案剖析 7.基于云的大數(shù)據(jù)平臺(tái)方案剖析 8.大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫(kù)方案比較 國(guó)內(nèi)外大數(shù)據(jù)平臺(tái)方案與廠商對(duì)比
  3、【1】：大數(shù)據(jù)計(jì)算模型（一）——批處理MapReduce
  1.MapReduce產(chǎn)生背景與適用場(chǎng)景 2.MapReduce計(jì)算模型的基本原理 3.MapReduce作業(yè)執(zhí)行流程 4.MapReduce基本組件，JobTracker和TaskTracker 5.MapReduce高級(jí)編程應(yīng)用，Combiner和Partitioner 6.MapReduce性能優(yōu)化技巧 7.MapReduce案例分析與開發(fā)實(shí)踐操作
  4、【2】：大數(shù)據(jù)存儲(chǔ)系統(tǒng)與應(yīng)用實(shí)踐
  1.分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場(chǎng)景 2.HDFS master-slave系統(tǒng)架構(gòu)與讀寫工作原理 3.HDFS核心組件技術(shù)講解，NameNode與fsimage、editslog，DataNode與數(shù)據(jù)塊 4.HDFS Federation機(jī)制，viewfs機(jī)制，使用場(chǎng)景講解 5.HDFS高可用保證機(jī)制，SecondaryNameNode，NFS冷備份，基于zookeeper的HA方案
  5、【2】：大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)一
  1. Hadoop平臺(tái)搭建、部署與應(yīng)用實(shí)踐，包含HDFS分布式文件系統(tǒng)，YARN資源管理軟件，MapReduce計(jì)算框架軟件 2. HDFS shell命令操作 3. MapReduce程序在YARN上運(yùn)行
  第二部份
  1、【1】：Hadoop框架與生態(tài)發(fā)展，以及應(yīng)用實(shí)踐操作
  1.Hadoop的發(fā)展歷程 2.Hadoop 1.0的核心組件JobTracker，TaskTracker，以及適用范圍 3.Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的聯(lián)系與區(qū)別 4.Hadoop YARN的資源管理與作業(yè)調(diào)度機(jī)制 5.Hadoop 常用性能優(yōu)化技術(shù)
  2、【1】：大數(shù)據(jù)計(jì)算模型（二）——實(shí)時(shí)處理/內(nèi)存計(jì)算 Spark
  1.MapReduce計(jì)算模型的瓶頸 2.Spark產(chǎn)生動(dòng)機(jī)、基本概念與適用場(chǎng)景 3.Spark編程模型與RDD彈性分布式數(shù)據(jù)集的工作原理與機(jī)制 4.Spark實(shí)時(shí)處理平臺(tái)運(yùn)行架構(gòu)與核心組件 5.Spark寬、窄依賴關(guān)系與DAG圖分析 6.Spark容錯(cuò)機(jī)制 7.Spark作業(yè)調(diào)度機(jī)制 8.Spark standardalone，Spark on YARN運(yùn)行模式 9.Scala開發(fā)介紹與Spark常用Transformation函數(shù)介紹
  3、【2】：大數(shù)據(jù)倉(cāng)庫(kù)查詢技術(shù)Hive、SparkSQL、Impala，以及應(yīng)用實(shí)踐
  1.基于MapReduce的大型分布式數(shù)據(jù)倉(cāng)庫(kù)Hive基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景 2.Hive數(shù)據(jù)倉(cāng)庫(kù)的平臺(tái)架構(gòu)與核心技術(shù)剖析 3.Hive metastore的工作機(jī)制與應(yīng)用 4.Hive 分區(qū)、分桶機(jī)制，Hive行、列存儲(chǔ)格式 5.基于Spark的大型分布式數(shù)據(jù)倉(cāng)庫(kù)SparkSQL基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景 6.Spark SQL實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)原理與工作機(jī)制 7.SparkSQL程序開發(fā)與DataFrame機(jī)制介紹 8.基于MPP的大型分布式數(shù)據(jù)倉(cāng)庫(kù)Impala基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景 9.Impala實(shí)時(shí)查詢系統(tǒng)平臺(tái)架構(gòu)、關(guān)鍵技術(shù)介紹，以及與Hive，SparkSQL的對(duì)比
  4、【2】：Hadoop集群運(yùn)維監(jiān)控工具
  1.Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari工具介紹 2. 第三方運(yùn)維系統(tǒng)與工具Ganglia, Nagios
  5、【2】：大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)二
  1.基于 Hadoop平臺(tái)搭建、部署與配置Spark集群，Spark shell環(huán)境實(shí)踐，Spark案例程序分析，Spark程序開發(fā)與運(yùn)行 2. 基于MapReduce的Hive數(shù)據(jù)倉(cāng)庫(kù)實(shí)踐，Hive集群安裝部署，基于文件的Hive數(shù)據(jù)倉(cāng)庫(kù)表導(dǎo)入導(dǎo)出與分區(qū)操作，Hive SQL操作，Hive客戶端操作 3. 基于Hive的SparkSQL shell實(shí)踐操作
  第三部份
  1、【1】：大數(shù)據(jù)計(jì)算模型（三）——流處理Storm, SparkStreaming
  1.流數(shù)據(jù)處理應(yīng)用場(chǎng)景與流數(shù)據(jù)處理的特點(diǎn) 2.流數(shù)據(jù)處理工具Storm的平臺(tái)架構(gòu)與集群工作原理 3.Storm關(guān)鍵技術(shù)與并發(fā)機(jī)制 4.Storm編程模型與基本開發(fā)模式 5.Storm數(shù)據(jù)流分組 6.Storm可靠性保證與Acker機(jī)制 7.Storm應(yīng)用案例分析 8.流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型 9.SparkStreaming工作機(jī)制 10.SparkStreaming程序開發(fā)介紹 11.Storm與SparkStreaming的對(duì)比
  2、【2】：大數(shù)據(jù)ETL操作工具，與大數(shù)據(jù)分布式采集系統(tǒng)
  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 3.Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型與系統(tǒng)架構(gòu) 4.Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹與平臺(tái)架構(gòu)，及其使用模式
  3、【2】：面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫(kù)及應(yīng)用實(shí)踐
  1.關(guān)系型數(shù)據(jù)庫(kù)瓶頸，以及NoSQL數(shù)據(jù)庫(kù)的發(fā)展，概念，分類，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場(chǎng)景下的適用范圍 2.列存儲(chǔ)NoSQL數(shù)據(jù)庫(kù)HBase簡(jiǎn)介與數(shù)據(jù)模型剖析 3.HBase分布式集群系統(tǒng)架構(gòu)與讀寫機(jī)制，ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理與應(yīng)用 4.HBase表設(shè)計(jì)模式與primary key設(shè)計(jì)規(guī)范 5.文檔NoSQL數(shù)據(jù)庫(kù)MongoDB簡(jiǎn)介與數(shù)據(jù)模型剖析 6.MongoDB集群模式、讀寫機(jī)制與常用API操作 8.鍵值型NoSQL數(shù)據(jù)庫(kù)Redis簡(jiǎn)介與數(shù)據(jù)模型剖析 9.Redis多實(shí)例集群架構(gòu)與關(guān)鍵技術(shù) 10.NewSQL數(shù)據(jù)庫(kù)技術(shù)簡(jiǎn)介及其適用場(chǎng)景
  4、【2】：大數(shù)據(jù)實(shí)戰(zhàn)練習(xí)三
  1.Sqoop安裝、部署與配置，基于Sqoop、MySQL與Hive操作MySQL數(shù)據(jù)庫(kù)與Hive數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)導(dǎo)入導(dǎo)出 2.Kafka安裝、部署與配置，基于Kafka創(chuàng)建和消費(fèi)topic實(shí)踐操作 3.Flume+HDFS+MapReduce/Spark大數(shù)據(jù)采集、存儲(chǔ)與分析實(shí)踐操作
  5、【2】：大數(shù)據(jù)項(xiàng)目選型、實(shí)施、優(yōu)化等問題交流討論
  大數(shù)據(jù)項(xiàng)目的需求分析、應(yīng)用實(shí)施、系統(tǒng)優(yōu)化，以及解決方案等咨詢與交流討論10053事件 9.CBO和RBO介紹 10.數(shù)據(jù)訪問方法
  2、【2】：Oracle數(shù)據(jù)庫(kù)調(diào)優(yōu)（六）
  1.收集統(tǒng)計(jì)信息 2.SQL執(zhí)行計(jì)劃 3.修改參數(shù)值影響CBO生成的執(zhí)行計(jì)劃，通過hints直接強(qiáng)制執(zhí)行計(jì)劃 4.使用Sql tunning advisor自動(dòng)分析語句性能 5.使用Sql access advisor自動(dòng)分析語句 6.SQL語句并行處理 7.穩(wěn)定調(diào)整好的語句執(zhí)行計(jì)劃 8.通過存儲(chǔ)概要確保執(zhí)行計(jì)劃的穩(wěn)定性 9.通過存儲(chǔ)計(jì)劃基線確保執(zhí)行計(jì)劃的穩(wěn)定性