Hadoopspark开发.docx
《Hadoopspark开发.docx》由会员分享,可在线阅读,更多相关《Hadoopspark开发.docx(21页珍藏版)》请在冰豆网上搜索。
Hadoopspark开发
关于举办“Hadoop与Spark大数据平台开发与案例分析”高级工程师
实战培训班的通知
地点
北京
上海
时间
12月
20-23
1月
09-12
一、课程介绍
1.需求理解
Hadoop设计之初的目标就定位于高可靠性、高可拓展性、高容错性和高效性,正是这些设计上与生俱来的优点,才使得Hadoop一出现就受到众多大公司的青睐,同时也引起了研究界的普遍关注。
对电信运营商而言,用户上网日志包含了大量用户个性化需求、喜好信息,对其进行分析和挖掘,能更好地了解客户需求。
传统经营分析系统小型机加关系型数据库的架构无法满足对海量非结构化数据的处理需求,搭建基于X86的Hadoop平台,引入大数据处理技术的方式,实现高效率、低成本、易扩展的经营分析系统混搭架构成为电信运营商最为倾向的选择。
本课程将全面介绍Hadoop平台开发和运维的各项技术,对学员使用该项技术具有很高的应用价值。
2.培训课程架构与设计思路
(1)培训架构:
本课程分为三个主要部分:
第一部分:
重点讲述大数据技术在的应用,使学员对大数据技术的广泛应用有清晰的认识,在这环节当中会重点介绍Hadoop技术在整个大数据技术应用中的重要地位和应用情况。
第二部分:
具体对hadoop技术进行模块化分拆,从大数据文件存储系统技术和分布式文件系统平台及其应用谈起,介绍Hadoop技术各主要应用工具和方法,以及在运维维护当中的主流做法,使学员全面了解和掌握Hadoop技术的精华。
第三部分:
重点剖析大数据的应用案例,使学员在案例当中对该项技术有更深入的感观印象
(2)设计思路:
本课程采用模块化教学方法,以案例分析为主线,由浅入深、循序渐进、由理论到实践操作进行设计。
(3)与企业的贴合点:
本课程结合企业转型发展及大数据发展战略,围绕企业大数据业务及行业应用市场拓展发展目标,重点讲授Hadoop的应用技术,提升企业IT技术人员的开发和运维能力,有很强的贴合度。
2、培训对象
各地企事业单位大数据产业相关人员,运营商IT信息化和运维工程师相关人员,金融业信息化相关人员,或对大数据感兴趣的相关人员。
三、培训目标
掌握大数据处理平台(Hadoop、Spark、Storm)技术架构、以及平台的安装部署、运维配置、应用开发;掌握主流大数据Hadoop平台和Spark实时处理平台的技术架构和实际应用;利用Hadoop+Spark对行业大数据进行存储管理和分析挖掘的技术应用;讲解Hadoop生态系统组件,包括Storm,HDFS,MapReduce,HIVE,HBase,Spark,GraphX,MLib,Shark,ElasticSearch等大数据存储管理、分布式数据库、大型数据仓库、大数据查询与搜索、大数据分析挖掘与分布式处理技术
四、培训大纲
(1)课程框架
时间
培训内容
教学方式
第一天
上午
第一部分:
移动互联网、大数据、云计算相关技术介绍
第二部分:
大数据的挑战和发展方向
理论讲授+案例分析
下午
第三部分:
大数据文件存储系统技术和分布式文件系统平台及其应用
第四部分:
Hadoop文件系统HDFS最佳实战
理论讲授+案例分析+小组讨论
第二天
上午
第五部分:
Hadoop运维管理与性能调优
第六部分:
NOSQL数据库Hbase与Redis
理论讲授+案例分析+实战演练
下午
第七部分:
类SQL语句工具——Hive
第八部分:
数据挖掘SPARK建模基础介绍
理论讲授+案例分析+实战演练
第三天
上午
第九部分:
Kafka基础介绍
第十部分:
大数据典型应用与开发案例分析:
互联网数据运营
理论讲授+案例分析
下午
第十一部分:
当前数据中心的改造和转换分析-以国内外运营商、互联网公司为例
第十二部分:
课程总结与问题答疑
评估培训
理论讲授+案例分析+小组讨论
第四天
学员考试与业界交流
详细培训内容介绍
课程模块
课程主题
主要内容及案例和演示
模块一
移动互联网、大数据、云计算相关技术介绍
1、数据中心与云计算技术应用
2、智慧城市与云计算技术应用
3、移动互联网、大数据与云计算关联技术
4、移动云计算的生态系统及产业链
5、大数据技术在运营商、金融业、银行业、电子商务行业、零售业、制造业、政务信息化、互联网、教育信息化等行业中的应用实践
6、国内外主流的大数据解决方案介绍
7、当前大数据解决方案与传统数据库方案的剖析比较
8、ClouderaHadoop大数据平台方案剖析
9、开源的大数据生态系统平台剖析
模块二
大数据的挑战和发展方向
1、大数据时代的挑战
Ø战略决策能力
Ø技术开发和数据处理能力
Ø组织和运营能力
2、大数据时代的发展方向
Ø云计算是基础设施架构
Ø大数据是灵魂资产
Ø分析、挖掘是手段
Ø发现和预测是最终目标
3、大数据挖掘在各行业应用情况
Ø电信行业应用及案例分析
Ø互联网行业应用及案例分析
Ø金融行业应用及案例研究
Ø销售行业应用案例分析
模块三
大数据文件存储系统技术和分布式文件系统平台及其应用
1、Hadoop的发展历程
ØHadoop大数据平台架构
Ø基于Hadoop平台的PB级大数据存储管理与分析处理的工作原理与机制
ØHadoop的核心组件剖析
2、分布式文件系统HDFS
Ø概述、功能、作用、优势
Ø应用范畴、应用现状
Ø发展趋势
3、分布式文件系统HDFS架构及原理
Ø核心关键技术
Ø设计精髓
Ø基本工作原理
Ø系统架构
Ø文件存储模式
Ø工作机制
Ø存储扩容与吞吐性能扩展
4、分布式文件系统HDFS操作
ØSHELL命令操作
ØI/O流式操作
Ø文件数据读取、写入、追加、删除
Ø文件状态查询
Ø数据块分布机制
Ø数据同步与一致性
Ø元数据管理技术
Ø主节点与从节点工作机制
Ø大数据负载均衡技术
ØHDFS大数据存储集群管理技术
5、Hadoop生态系统组件
ØStorm
ØHDFS
ØMapReduce
ØHIVE
ØHBase
ØSpark
ØGraphX
ØMLib
ØShark
模块四
Hadoop文件系统HDFS最佳实战
1、HDFS的设计
2、HDFS的概念
Ø数据块
Ønamenode和datanode
Ø联邦HDFS
ØHDFS的高可用性
3、命令行接口
4、Hadoop文件系统
5、Java接口
Ø从HadoopURL读取数据
Ø通过FileSystemAPI读取数据
Ø写入数据
Ø目录
Ø查询文件系统
Ø删除数据
6、数据流
Ø剖析文件读取
Ø剖析文件写入
Ø一致模型
7、通过Flume和Sqoop导入数据
8、通过distcp并行复制
9、Hadoop存档
Ø使用Hadoop存档工具
Ø不足
模块五
Hadoop运维管理与性能调优
1、第二代大数据处理框架
ØYarn的工作原理及
ØDAG并行执行机制
ØYarn大数据分析处理案例分析
ØYarn框架并行应用程序实践
2、集群配置管理
ØHadoop集群配置
ØHadoop性能调优与参数配置
ØHadoop机架感知策略与配置
ØHadoop压缩机制
ØHadoop任务负载均衡
ØHadoop集群维护
ØHadoop监控管理
3、HDFS的静态调优技巧
ØHDFS的高吞吐量I/O性能调优技巧
ØMapReduce/Yarn的并行处理性能调优技巧
ØHadoop集群的运行故障剖析,以及解决方案
Ø基于Hadoop大数据应用程序的性能瓶颈剖析与提
ØHadoop大数据运维监控管理系统HUE平台的安装部署与应用配置
ØHadoop运维管理监控系统Ambari平台的安装部配置
ØHadoop集群运维系统Ganglia,Nagios的安装部署与应用配置
模块六
NOSQL数据库Hbase与Redis
1、NOSQL基础
ØCAP理论
ØBase与ACID
ØNOSQL数据库存储类型
键值存储
列存储
文档存储
图形存储
2、HBase分布式数据基础
3、安装Hbase
4、Hbase应用
ØHBase的逻辑数据模型,HBase的表、行、列族、列、单元格、版本、rowkey排序
ØHBase的物理模型,命名空间(表空间)、表模式(Schema)的设计法则
ØHBase主节点HMaster的工作原理,HMaster的高可用配置,以及性能调优
ØHBase从节点RegionServer(分区服务节点)的工作原理,表分区及存储I/O高并发配置,以及性能调优
ØHBase的存储引擎工作原理,以及HBase表数据的键值存储结构,以及HFile存储结构剖析
ØHBase表设计与数据操作以及数据库管理操作
ØHBase集群的安装部署、参数配置和性能优化
5、HBase分布式数据库简介、发展历程、应用场景、工作原理、以及应用优势与不足之处
ØHBase分布式数据库集群的主从式平台架构和关键技术剖析
ØHBase伪分布式和物理集群分布式的控制与运行配置
ØHBase从节点RegionServer(分区服务节点)的工作原理,表分区及存储I/O高并发配置,以及性能调优
ØHBase的存储引擎工作原理,以及HBase表数据的键值存储结构,以及HFile存储结构剖析
ØHBase表设计与数据操作以及数据库管理操作
ØHBase集群的安装部署、参数配置和性能优化
ØZooKeeper分布式协调服务系统的工作原理、平台架构、集群部署应用实战
ØZooKeeper集群的原理架构,以及应用配置
6、Redis内存数据库介绍,以及业界应用案例
ØRedis内存数据库集群架构以及核心技术剖析
ØRedis集群的安装部署与应用开发实战
模块七
类SQL语句工具——Hive
1、安装Hive
2、示例
3、运行Hive
Ø配置Hive
ØHive服务
ØMetastore
4、Hive与传统数据库相比
Ø读时模式vs.写时模式
Ø更新、事务和索引
5、HiveQL
Ø数据类型
Ø操作与函数
6、表
Ø托管表和外部表
Ø分区和桶
Ø存储格式
Ø导入数据
Ø表的修改
Ø表的丢弃
7、查询数据
Ø排序和聚集
ØMapReduce脚本
Ø连接
Ø子查询
Ø视图
8、用户定义函数
Ø写UDF
Ø写UDAF
模块八
数据挖掘SPARK建模基础介绍
1、Spark简介
ØSpark是什么
ØSpark生态系统BDAS
2、Spark架构
ØSpark分布式架构与单机多核架构的异同
3、Spark集群的安装与部署
ØSpark的安装与部署
ØSpark集群初试
4、Spark硬件配置
ØSpark硬件
ØSpark硬件配置流程
模块九
Kafka基础介绍
1、Kafka介绍
2、kafka体系结构
3、kafka设计理念简介
4、kafka通信协议
5、kafka的伪分布安装、集群安装
6、kafka的shell操作、java操作
7、kafka设计理念*
8、kafkaproducer和consumer开发
9、Kafka分布式消息订阅系统的应用介绍、平台架构、集群部署与配置应用实战
10、Flume-NG数据采集系统的数据流模型、平台架构、集群部署与配置应用实战
11、Hadoop与DBMS之间数据交互工具Sqoop的应用实践,
12、Sqoop导入导出数据以及Sqoop集群部署与配置
13、Kettle集群的平台架构、核心技术、部署配置和应用实战
14、利用Sqoop实现MySQL与Hadoop集群之间
模块十
大数据典型应用与开发案例分析:
互联网数据运营
1、案例1:
贵州数据交易中心
Ø交易所交易形式:
电子交易
Ø交易所服务:
大数据交易、大数据清洗建模分析、大数据定向采购、大数据平台技术开发
Ø大数据交易安全性探讨分析
Ø数据交易中心商业模式探讨分析
2、案例2:
大数据应用案例:
公共交通线路的智能规划
ØUrbanInsights:
为公交公司提供基于订阅访问的大数据工具以及大数据咨询服务
ØUrbanInsights数据源、数据收集、数据仓库、数据分析——设计运营线路
ØUrbanInsights通过互联网数据的运营
3、讨论:
浙江移动大数据应用与开发方向
模块十一
当前数据中心的改造和转换分析-以国内外运营商、互联网公司为例
1、流商业大数据解决方案比较
2、主流开源云计算系统比较
3、国内外代表性大数据平台比较
4、各厂商最新的大数据产品介绍
5、案例分析
ØFacebook的SNS平台应用
ØGoogle的搜索引擎应用
ØRackspace的日志处理
ØVerizon成立精准市场营销部
ØTelefonicaDynamicInsights推出的名为“智慧足迹”的商业服务
Ø中国联通的“移动通信用户上网记录集中查询与分析支撑系统”
五、师资介绍
张老师:
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(WebGameDaas)平台项目等。
六、颁发证书
参加相关培训并通过考试的学员,可以获得:
工业和信息化部颁发的-《大数据应用开发工程师证书》。
该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
注:
请学员带一寸彩照2张(背面注明姓名)、身份证复印件一张。
七、培训费用及须知
6800元/人(含教材、培训费、考证费以及学习用具等费用)食宿统一安排,费用自理。
八、报名回执
“大数据实战培训班”报名回执表
单位名称
详细地址
联系人
电话
传真
邮箱
姓名
性别
身份证号码
手机
邮箱
户名:
开户行:
账户:
参会单位签字或盖章
注:
1.此表复印有效报名回执邮件至
联系人:
联系电话:
微信: