Hadoop与Spark大数据开发与案例分析高级工程师实战(深圳,8月9-11日) 【举办单位】北京曼顿培训网 www.mdpxb.com det365手机版 www.poford.com 【咨询电话】4006820825 010-56133998 13810210257 【培训日期】 北京,2018年7月5-7日;杭州,2018年7月19-21日 深圳,2018年8月9-11日;北京,2018年8月23-25日 【培训地点】北京、杭州、深圳 【培训对象】各地政府,院校云计算物联网产业相关负责人,各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员、技术总监、数据挖掘负责人、数据挖掘开发工程师等
【课程背景】 为贯彻落实党中央国务院“十三五”规划指导精神,实施网络强国战略,加快建设数字中国;构建高效信息网络,推进物联网发展;实施“互联网+”行动计划,促进多领域融合发展;实施国家大数据战略,加快政府数据开放;加强数据安全包含,全面保障信息系统安全;推进军民融合发展立法。要实施国家大数据战略,把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。加快政府数据开放共享,促进大数据产业健康发展。 现如今,大数据的应用并不仅存在于一些“理工类领域”,它已经渗透到我们生活的方方面面,将来,大数据在能源、金融、电信、汽车、消费等大多数行业都有用武之地,行业发展潜力巨大。去年,国内数据创业已是风起云涌,其实,2016才是真正意义上的大数据元年。据IDC预测,到2020年,大数据分析技术将成为所有国家经济增长的关键动力。大数据分析及其相关的市场的复合年增长率将达到26.4%,在2018年全球将发展到415亿美元的规模。同时,IDC认为,到2020年大数据分析技术将成为所有国家经济增长的关键动力。然而大数据架构最火热的莫过于Hadoop,Spark和Storm这三种
【课程目标】 1、了解Hadoop与Spark的历史及目前发展的现状、以及Hadoop与Spark的技术特点,从而把握分布式计算框架及未来发展方向,在大数据时代能为企业的技术选型及架构设计提供决策参考。 2、全面掌握Hadoop与Spark的架构原理和使用场景,并通过贯穿课程的项目进行实战锻炼,从而熟练使用Hadoop进行MapReduce程序开发。课程还涵盖了分布式计算领域的常用算法介绍,帮助学员为企业在利用大数据方面体现自身价值。 3、深入理解Hadoop与Spark技术架构,对Hadoop与Spark运作机制有清晰全面的认识,可以独立规划及部署生产环境的Hadoop与Spark集群,掌握Hadoop与Spark基本运维思路和方法,对Hadoop与Spark集群进行管理和优化。
【培训特色】 ■注重应用:分析国内实际情况,结合国际、国内成功经验。采用实战的项目,让学员在短时间内掌握Hadoop与Spark的搭建与配置。并进行高效的大数据清洗和分析。 ■形式灵活:互动课堂、免费技术沙龙、提供云计算项目建设咨询、大数据Hadoop平台的搭建。
【课程大纲】 HADOOP模块 模块一 Hadoop在云计算技术的作用和地位 ■传统大规模系统存在的问题 ■Hadoop概述 ■Hadoop分布式文件系统 ■MapReduce工作原理 ■Hadoop集群剖析 ■Hadoop生态系统对一种新的解决方案的需求 ■Hadoop的行业应用案例分析 ■Hadoop在云计算和大数据的位置和关系 ■数据开放,数据云服务平台(DAAS)时代 ■Hadoop平台在数据云平台(DAAS)上的天然优势 ■数据云平台(DAAS 平台)组成部分 ■互联网公共数据大云(DAAS)案例 ■Hadoop构建构建游戏云(Web Game Daas)平台 模块二 Hadoop生态系统介绍和演示 ■Hadoop HDFS 和 MapReduce ■Hadoop数据库之HBase ■Hadoop数据仓库之Hive ■Hadoop数据处理脚本Pig ■Hadoop数据接口Sqoop和Flume,Scribe DataX ■Hadoop工作流引擎 Oozie ■运用Hadoop自下而上构建大规模企业数据仓库 ■暴风影音数据仓库实战解析 模块三 Hadoop组件详解 ■Hadoop HDFS 基本结构 ■Hadoop HDFS 副本存放策略 ■Hadoop NameNode 详解 ■HadoopSecondaryNameNode 详解 ■Hadoop DataNode 详解 ■Hadoop JobTracker 详解 ■Hadoop TaskTracker 详解 ■Hadoop Mapper类核心代码 ■Hadoop Reduce类核心代码 ■Hadoop 核心代码 模块四 Hadoop安装和部署 ■Hadoop系统模块组件概述 ■Hadoop试验集群的部署结构 ■Hadoop 安装依赖关系 ■Hadoop 生产环境的部署结构 ■Hadoop集群部署 ■Hadoop 高可用配置方法 ■Hadoop 集群简单测试方法 ■Hadoop 集群异常Debug方法 ■Hadoop安装部署实验 ■Red hat Linux基础环境搭建 ■Hadoop 单机系统版本安装配置 ■Hadoop 集群系统版本安装和启动配置 ■使用 Hadoop MapReduce Streaming 快速测试系统 ■Hadoopcore-site,hdfs-site,mapred-site 配置详解 模块五 Hadoop集群规划 ■Hadoop 集群内存要求 ■Hadoop集群磁盘分区 ■集群和网络拓扑要求 ■集群软件的端口配置 ■针对NameNode Jobtracker DataNode TaskTracker Hiveserver 等不同组件需求推荐服务器配置 模块六 MapReduce 算法原理 ■Hadoop MapReduce 算法的原理和优化思想 ■灵活运用MapReduce 实现算法 ■运用MapReduce 构建数据库算法 ■Select Sort GrougBy Sum Count ■Join 新进流失算法 ■使用 Y-Smart 快速转换SQL 为MapReduce 代码 模块七 编写MapReduce高级程序 ■使用 Hadoop MapReduce Streaming 编程 ■MapReduce流程 ■剖析一个MapReduce程序 ■基本MapReduceAPI概念 ■驱动代码 Mapper、Reducer ■Hadoop流 ■API 使用Eclipse进行快速开发 ■新MapReduce API ■MapReduce的优化 ■MapReduce的任务调度 ■MapReduce编程实战 ■如何利用其他Hadoop相关技术,包括Apache Hive, Apache Pig,Sqoop和Oozie等 ■满足解决实际数据分析问题的高级Hadoop API ■Hadoop Streaming 和 Java MapReduce Api 差异。 ■MapReduce 实现数据库功能 ■利用Combiners来减少中间数据 ■编写Partitioner来优化负载平衡 ■直接访问Hadoop分布式文件系统(HDFS) ■Hadoop的join操作 ■辅助排序在Reducer方的合并 ■定制Writables和WritableComparables ■使用SequenceFiles和Avro文件保存二进制数据 ■创建InputFormats OutputFormats ■Hadoop的二次排序 ■Hadoop的海量日志分析 ■在Map方的合并 模块八 集成Hadoop到现有工作流 及Hadoop API深入探讨 ■存储系统 ■利用Sqoop从关系型数据库系统中导入数据到Hadoop ■利用Flume导入实时数据到Hadoop ■ToolRunner介绍、使用MRUnit进行测试 ■使用Configure和Close方法来进行Map/Reduce设置和关闭 ■使用FuseDFS和Hadoop访问HDFS ■使用分布式缓存(Distributed Cache) ■直接访问Hadoop分布式文件系统(HDFS) ■利用Combiners来减少中间数据 ■编写Partitioner来优化负载平衡 模块九 使用Hive和Pig开发及技巧 ■Hive和Pig基础 ■Hive的作用和原理说明 ■Hadoop仓库和传统数据仓库的协作关系 ■Hadoop/Hive仓库数据数据流 ■Hive 部署和安装 ■Hive Cli 的基本用法 ■HQL基本语法 ■运用Pig 过滤用户数据 ■使用JDBC 连接Hive进行查询和分析 ■使用正则表达式加载数据 ■HQL高级语法 ■编写UDF函数 ■编写UDAF自定义函数 ■基于Hive脚本内嵌Streaming 编程 模块十 Hbase安装和使用 Hbase 安装部署 Hbase原理和结构 ■Hbase 运维和管理 使用Hbase+Hive 提供 OLAP SQL查询能力 使用Hbase+Phoenix提供 OLTP SQL能力 ■基于Hbase 的时间序列数据库 OpenTsDb 结构解析 模块十一 Hadoop2.0 集群探索 ■Hadoop2.0 HDFS 原理 ■Hadoop2.0 Yarn 原理 ■Hadoop2.0 生态系统 ■基于Hadoop2.0 构建分布式系统 模块十二 Hadoop企业级别案例解析 ■Hadoop 结构化数据案例 ■Hadoop 非结构化案例 ■Hbase 数据库案例 ■Hadoop 视频分析案例 ■利用大数据分析改进交通管理 ■区域医疗大数据应用案例 ■银联大数据数据票据详单平台 ■广东移动省公司请账单系统 ■上海电信网络优化 ■某通信运营商全国用户上网记录 ■浙江台州市智能交通系统 ■移动广州详单实时查询系统 ■跨区域实时视频监控系统 模块十三 RedHadoop 企业版本 ■运用RedHadoop快速构建服务集群 ■运用RedHadoop DW 构建数据仓库 ■基于RedHadoop Hive构建数据仓库平台 ■灵活运用 Hive 加速游戏数据仓库 ■基于Pig+OpenCV大规模图像人脸识别 模块十四 Spark 生态介绍 ■Mapreduce、storm和spark模型的比较和使用场景介绍 ■Spark产生背景 ■Spark(内存计算框架) ■SparkSteaming(流式计算框架) ■Spark SQL(ad-hoc) ■Mllib(MachineLearning) ■GraphX(bagel将被代) ■DlinkDB介绍 ■SparkR介绍
模块十五 Spark 安装部署 ■Spark安装简介 ■Spark的源码编译 ■Spark Standalone安装 ■Spark应用程序部署工具spark-submit ■Spark的高可用性部署
模块十六 Spark 运行架构和解析 ■Spark的运行架构 ■基本术语 ■运行架构 ■Spark on Standalone运行过程 ■Spark on YARN 运行过程 ■Spark运行实例解析 ■Spark on Standalone实例解析 ■Spark on YARN实例解析 ■比较 Standalone与YARN模式下的优缺点 模块十七 Spark scala编程 ■Scala基本语法与高阶语法 ■Scala基本语法 ■Scala开发环境搭建 ■Scala开发Spark应用程序 ■使用java编程 ■使用scala编程 ■使用python编程
【讲师介绍】 张老师,曼顿培训网(www.mdpxb.com )资深讲师。 阿里大数据高级专家,国内资深的Spark、Hadoop技术专家、虚拟化专家,对HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生态系统中的技术进行了多年的深入的研究,更主要的是这些技术在大量的实际项目中得到广泛的应用,因此在Hadoop开发和运维方面积累了丰富的项目实施经验。近年主要典型的项目有:某电信集团网络优化、中国移动某省移动公司请账单系统和某省移动详单实时查询系统、中国银联大数据数据票据详单平台、某大型银行大数据记录系统、某大型通信运营商全国用户上网记录、某省交通部门违章系统、某区域医疗大数据应用项目、互联网公共数据大云(DAAS)和构建游戏云(Web Game Daas)平台项目等。
【费用及报名】 1、费用:培训费6800元(含培训费、讲义费);如需食宿,会务组可统一安排,费用自理。 2、报名咨询:4006820825 010-56133998 56028090 13810210257 鲍老师 3、报名流程:电话登记-->填写报名表-->发出培训确认函 4、备注:如课程已过期,请访问我们的网站,查询最新课程 5、详细资料请访问北京曼顿培训网:www.mdpxb.com (每月在全国开设四百多门公开课,欢迎报名学习)
|