大數(shù)據(jù)處理技術(shù)課程

    課程收益:
    1，全面了解基于Hadoop/Yarn的大數(shù)據(jù)處理相關(guān)知識(shí)。
    2，學(xué)習(xí)Hadoop/Yarn的核心技術(shù)方法以及應(yīng)用特征。
    3，深入學(xué)習(xí)Hadoop/Yarn相關(guān)工具在大數(shù)據(jù)中的實(shí)操使用。
    4，了解Hadoop與Storm、Spark、Docker等技術(shù)的融合使用。

    課程大綱:
    隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實(shí)地迎來(lái)了一個(gè)大數(shù)據(jù)的時(shí)代。大數(shù)據(jù)是指無(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，對(duì)大數(shù)據(jù)的分析已經(jīng)成為一個(gè)非常重要且緊迫的需求。目前對(duì)大數(shù)據(jù)的分析工具，*的是Hadoop/Yarn平臺(tái)。Hadoop/Yarn在可伸縮性、健壯性、計(jì)算性能和成本上具有無(wú)可替代的優(yōu)勢(shì)，事實(shí)上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺(tái)。為解決廣大系統(tǒng)設(shè)計(jì)人員深入研究與開(kāi)發(fā)大數(shù)據(jù)技術(shù)的需要，解決廣大系統(tǒng)設(shè)計(jì)人員深入研究與開(kāi)發(fā)大數(shù)據(jù)技術(shù)的需要，

    一、培訓(xùn)對(duì)象
    1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開(kāi)發(fā)人員。
    2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。
    3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來(lái)源單位的負(fù)責(zé)人。
    4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項(xiàng)目負(fù)責(zé)人。

    二、學(xué)員基礎(chǔ)
    1，對(duì)IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
    2，有一定的數(shù)據(jù)倉(cāng)庫(kù)與大數(shù)據(jù)處理的基礎(chǔ)知識(shí)。

    三、培訓(xùn)要點(diǎn)
    互聯(lián)網(wǎng)點(diǎn)擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動(dòng)數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類評(píng)論，成為了海量信息的多種形式。當(dāng)數(shù)據(jù)以成百上千TB不斷增長(zhǎng)的時(shí)候，我們?cè)趦?nèi)部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)分析的決策模型和技術(shù)支持。
    大數(shù)據(jù)通常具有：數(shù)據(jù)體量(Volume)巨大,數(shù)據(jù)類型(Variety)繁多,價(jià)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(shù)據(jù)已成為當(dāng)前亟待解決的問(wèn)題。大數(shù)據(jù)處理意味著更嚴(yán)峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會(huì)獲得意想不到的收獲。
    Google發(fā)布的GFS和MapReduce等高可擴(kuò)展、高性能的分布式大數(shù)據(jù)處理框架，證明了在處理海量網(wǎng)頁(yè)數(shù)據(jù)時(shí)該框架的優(yōu)越性。GFS/MapReduce框架實(shí)現(xiàn)了更高應(yīng)用層次的抽象，使用戶無(wú)需關(guān)注復(fù)雜的內(nèi)部工作機(jī)制，無(wú)需具備豐富的分布式系統(tǒng)知識(shí)及開(kāi)發(fā)經(jīng)驗(yàn)，即可實(shí)現(xiàn)大規(guī)模分布式系統(tǒng)的部署與大數(shù)據(jù)的并行處理。Apache Hadoop開(kāi)源項(xiàng)目開(kāi)發(fā)團(tuán)隊(duì),克隆了GFS/MapReduce框架，推出了Hadoop系統(tǒng)。該系統(tǒng)已受到學(xué)術(shù)界和工業(yè)界的廣泛認(rèn)可和采納，并孵化出眾多子項(xiàng)目(如Hive、Pig、H和Zookeeper等)，日益形成一個(gè)易部署、易開(kāi)發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。
    本課程從大數(shù)據(jù)技術(shù)以及Hadoop/Yarn實(shí)戰(zhàn)的角度，結(jié)合理論和實(shí)踐，全方位地介紹Hadoop/Yarn這一高性能處理大數(shù)據(jù)工具的開(kāi)發(fā)技巧。本課程涉及的主題包括：Hadoop/Yarn分布式文件系統(tǒng)DFS；MapReduce的的工作機(jī)制、類型和格式；如何構(gòu)建和管理Hadoop/Yarn集群；Pig Latin語(yǔ)言的使用技巧；Hive數(shù)據(jù)倉(cāng)庫(kù)工具介紹；H和Zookeeper工具的使用和管理；開(kāi)源數(shù)據(jù)采集工具sqoop。
    本課程教學(xué)過(guò)程中還提供了案例分析來(lái)幫助學(xué)員了解如何用Hadoop/Yarn系列工具來(lái)解決具體的問(wèn)題，并介紹了從大數(shù)據(jù)中挖掘出有價(jià)值的信息的關(guān)鍵。
    本課程不是一個(gè)泛泛的理論性、概念性的介紹課程，而是針對(duì)問(wèn)題討論解決方案的深入課程。教師對(duì)于上述領(lǐng)域有深入的理論研究與實(shí)踐經(jīng)驗(yàn)，在課程中將會(huì)針對(duì)這些問(wèn)題與學(xué)員一起進(jìn)行研究，在關(guān)鍵點(diǎn)上還會(huì)搭建實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)踐研究，以加深對(duì)于這些解決方案的理解。通過(guò)本課程學(xué)習(xí)，希望推動(dòng)Hadoop/Yarn相關(guān)的項(xiàng)目開(kāi)發(fā)上升到一個(gè)新水平。

    四、培訓(xùn)內(nèi)容
    第一講云計(jì)算及大數(shù)據(jù)處理技術(shù)介紹
    1）云計(jì)算的概念
    2）云計(jì)算發(fā)展現(xiàn)狀
    3）大數(shù)據(jù)的概念
    4）大數(shù)據(jù)的應(yīng)用
    5）大數(shù)據(jù)關(guān)鍵技術(shù)

    第二講Google的關(guān)鍵技術(shù)
    1）GFS分布式文件系統(tǒng)
    2）Chubby并發(fā)鎖機(jī)制
    3）MapReduce計(jì)算模型
    4）Bigtable大表管理技術(shù)

    第三講Hadoop系統(tǒng)及HDFS
    1） Hadoop及其運(yùn)行架構(gòu)
    2） Yarn中的隔離和調(diào)度機(jī)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(jì)算模型設(shè)計(jì)
    1) MapReduce產(chǎn)生背景
    2) MapReduce編程模型
    3) MapReduce實(shí)現(xiàn)機(jī)制
    4) MapReduce案例分析

    第五講Pig 數(shù)據(jù)流處理工具
    1）Pig 設(shè)計(jì)的目標(biāo)
    2）Pig Latine介紹
    3）Pig關(guān)鍵性技術(shù)
    4）Pig的實(shí)用案例

    第六講 云數(shù)據(jù)倉(cāng)庫(kù)Hive
    1) Hive設(shè)計(jì)目標(biāo)
    2) Hive數(shù)據(jù)模型
    3) Hive關(guān)鍵性技術(shù)
    4) Hive的使用案例

    第七講H和NoSQL
    1）NoSQL技術(shù)及其應(yīng)用介紹
    2）H數(shù)據(jù)處理機(jī)制
    3）H列族設(shè)計(jì)及API
    4）H高并發(fā)讀/寫(xiě)的實(shí)現(xiàn)
    5）ZooKeeper并發(fā)控制模型

    第八講 數(shù)據(jù)抽取工具Sqoop
    1）云中數(shù)據(jù)與DBMS數(shù)據(jù)的交換
    2）Sqoop數(shù)據(jù)抽取關(guān)鍵技術(shù)
    3）Sqoop數(shù)據(jù)抽取策略
    4）Sqoop的使用實(shí)例

    第九講 Hadoop與其他云數(shù)據(jù)處理技術(shù)的融合
    1）其他云環(huán)境中大數(shù)據(jù)處理技術(shù)介紹
    2）與Spark實(shí)時(shí)處理技術(shù)的融合
    3）與Storm流數(shù)據(jù)處理技術(shù)的融合
    4）與Docker等其它云工具的融合
    5）基于Hadoop/Yarn的大數(shù)據(jù)挖掘應(yīng)用

    五、培訓(xùn)目標(biāo)
    1，全面了解基于Hadoop/Yarn的大數(shù)據(jù)處理相關(guān)知識(shí)。
    2，學(xué)習(xí)Hadoop/Yarn的核心技術(shù)方法以及應(yīng)用特征。
    3，深入學(xué)習(xí)Hadoop/Yarn相關(guān)工具在大數(shù)據(jù)中的實(shí)操使用。
    4，了解Hadoop與Storm、Spark、Docker等技術(shù)的融合使用。

大數(shù)據(jù)處理技術(shù)課程