您的位置: 首页 > 公开课首页 > 互联网/语言 > 课程详情

details

“Hadoop大数据处理高级工程师” 实战培训班

暂无评价   
  • 开课时间:2016年11月30日 09:00 周三 查找最新
  • 结束时间:2016年12月04日 17:00
  • 课程时长:18小时
  • 招生进展: 确定开班
  • 开课地点:北京市
  • 授课讲师: 待定
  • 课程编号:317334
  • 课程分类:互联网/语言
  •  
  • 收藏 人气:73
您实际购买的价格
付款时最多可用0淘币抵扣0元现金
购买成功后,系统会给用户帐号返回的现金券
淘课价
5800
可用淘币
0
返现金券
待定

你还可以: 收藏

培训受众:

各地政府云计算物联网产业相关负责人,各企业CIO、信息中心负责人、技术总监,云计算中心负责人,云计算产业投资团队,云计算应用开发商,云计算硬件设备供应商,云服务提供商,高校、科研院所云计算项目负责人。

各企业大数据架构师、技术总监、数据挖掘负责人、数据挖掘开发工程师

课程收益:

1、了解Hadoop的历史及目前发展的现状、以及Hadoop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技术架构,对Hadoop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集群,掌握Hadoop基本运维思路和方法,对Hadoop集群进行管理和优化。
注重应用:分析国内实际情况,结合国际、国内成功经验。Hadoop采用实战的项目,让学员在短时间内掌握Hadoop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。

培训颁发证书:

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-《Hadoop大数据处理高级工程师证书》。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。

课程大纲:

关于举办“Hadoop大数据处理高级工程师”  实战培训班的通知                     

各有关单位:

为贯彻落实党中央国务院“十二五”规划指导精神,云计算作为战略重点项目新兴产业,政府和业界都表现出了极大的热情。日前发改委、工信部、财政部支持的云计算项目正式启动,云计算平台和云计算服务模式已成为今后IT服务的主流。云计算服务应用的种类不断增多,普及程度逐渐深入,使用者正向普通用户拓展。未来,云计算及其基础设施将是信息产业的核心平台,其所蕴含的技术变革和创新服务模式,将深刻影响全球产业技术创新的发展。

   目前,互联网正从数据爆炸进一步发展到海量数据分析和挖掘的时代,而基于Hadoop技术的解决方案为海量数据存储和处理提供了经济、高效、高安全性和高可靠性的保障,Apache Hadoop也因此成为大数据行业发展背后的驱动力。由于Hadoop技术已成为当下最火热的云计算技术之一,各行业中希望深入了解并掌握这门技术的人也越来越多,中国软件行业产业培训网决定开展“大数据处理Hadoop应用与开发”实战培训班,本次培训由中联软博(北京)科技有限公司具体承办,望相关单位收到通知后积极参加。相关培训事宜如下:

一、课程目标

 

  1、了解Hadoop的历史及目前发展的现状、以及Hadoop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技术架构,对Hadoop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集群,掌握Hadoop基本运维思路和方法,对Hadoop集群进行管理和优化。

二、培训费用及须知

5800 元/人(含教材、培训费、以及学习用具等费用)食宿统一安排,费用自理。

三、培训内容(3天课程)

课程模块

课程主题

主要内容

案例和演示

模块一

Hadoop在云计算技术的作用和地位

u  传统大规模系统存在的问题

u  Hadoop概述

u  Hadoop分布式文件系统     

u  MapReduce工作原理        

u  Hadoop集群剖析           

u  Hadoop生态系统对一种新的解决方案的需求

u  Hadoop的行业应用案例分析

u  Hadoop在云计算和大数据的位置和关系

u  数据开放,数据云服务平台(DAAS)时代

u  Hadoop平台在数据云平台(DAAS)上的天然优势

u  数据云平台(DAAS 平台)组成部分

u  互联网公共数据大云(DAAS)案例

u  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

u  Hadoop HDFS 和 MapReduce

u  Hadoop数据库之H

u  Hadoop数据仓库之Hive

u  Hadoop数据处理脚本Pig

u  Hadoop数据接口Sqoop和Flume,Scribe DataX

u  Hadoop工作流引擎 Oozie

u  运用Hadoop自下而上构建大规模企业数据仓库

u  暴风影音数据仓库实战解析

模块三

Hadoop组件详解

u  Hadoop HDFS 基本结构

u  Hadoop HDFS 副本存放策略

u  Hadoop NameNode 详解

u  HadoopSecondaryNameNode 详解

u  Hadoop DataNode 详解

u  Hadoop JobTracker 详解

u  Hadoop TaskTracker 详解

u  Hadoop Mapper类核心代码

u  Hadoop Reduce类核心代码

u  Hadoop 核心代码

模块四

Hadoop安装和部署

u  Hadoop系统模块组件概述

u  Hadoop试验集群的部署结构

u  Hadoop 安装依赖关系

u  Hadoop 生产环境的部署结构

u  Hadoop集群部署

u  Hadoop 高可用配置方法

u  Hadoop 集群简单测试方法

u  Hadoop 集群异常Debug方法

u  Hadoop安装部署实验

u  Red hat Linux基础环境搭建

u  Hadoop 单机系统版本安装配置

u  Hadoop 集群系统版本安装和启动配置

u  使用 Hadoop MapReduce Streaming 快速测试系统

u  Hadoopcore-site,hdfs-site,mapred-site 配置详解

模块五

Hadoop集群规划

u  Hadoop 集群内存要求

u  Hadoop集群磁盘分区

u  集群和网络拓扑要求

u  集群软件的端口配置

u  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

u  Hadoop MapReduce 算法的原理和优化思想

u  灵活运用MapReduce 实现算法

u  运用MapReduce 构建数据库算法

u  Select Sort GrougBy Sum Count

u  Join 新进流失算法

u  使用 Y-Smart 快速转换SQL 为MapReduce 代码

模块七

编写MapReduce高级程序

u  使用 Hadoop MapReduce Streaming 编程

u  MapReduce流程         

u  剖析一个MapReduce程序

u  基本MapReduceAPI概念 

u  驱动代码 Mapper、Reducer

u  Hadoop流

u  API 使用Eclipse进行快速开发              

u  新MapReduce API

u  MapReduce的优化

u  MapReduce的任务调度

u  MapReduce编程实战

u  如何利用其他Hadoop相关技术,包括Apache Hive, Apache Pig,Sqoop和Oozie等

u  满足解决实际数据分析问题的高级Hadoop API

u  Hadoop Streaming 和 Java MapReduce Api 差异。

u  MapReduce 实现数据库功能

u  利用Combiners来减少中间数据

u  编写Partitioner来优化负载平衡

u  直接访问Hadoop分布式文件系统(HDFS)

u  Hadoop的join操作

u  辅助排序在Reducer方的合并

u  定制Writables和WritableComparables

u  使用SequenceFiles和Avro文件保存二进制数据

u  创建InputFormats OutputFormats

u  Hadoop的二次排序

u  Hadoop的海量日志分析

u  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

u  存储系统

u  利用Sqoop从关系型数据库系统中导入数据到Hadoop

u  利用Flume导入实时数据到Hadoop

u  ToolRunner介绍、使用MRUnit进行测试

u  使用Configure和Close方法来进行Map/Reduce设置和关闭

u  使用FuseDFS和Hadoop访问HDFS

u  使用分布式缓存(Distributed Cache)

u  直接访问Hadoop分布式文件系统(HDFS)

u  利用Combiners来减少中间数据

u  编写Partitioner来优化负载平衡 

模块九

使用Hive和Pig开发及技巧

u  Hive和Pig基础             

u  Hive的作用和原理说明

u  Hadoop仓库和传统数据仓库的协作关系

u  Hadoop/Hive仓库数据数据流

u  Hive 部署和安装

u  Hive Cli 的基本用法

u  HQL基本语法

u  运用Pig 过滤用户数据 

u  使用JDBC 连接Hive进行查询和分析

u  使用正则表达式加载数据

u  HQL高级语法

u  编写UDF函数

u  编写UDAF自定义函数

u  基于Hive脚本内嵌Streaming 编程

模块十

H安装和使用

u  H 安装部署           

u  H原理和结构

u  H 运维和管理

u  使用H+Hive 提供 OLAP SQL查询能力

u  使用H+Phoenix提供 OLTP SQL能力

u  基于H 的时间序列数据库 OpenTsDb 结构解析

模块十一

Hadoop2.0 集群探索

u  Hadoop2.0 HDFS 原理

u  Hadoop2.0 Yarn 原理

u  Hadoop2.0 生态系统

u  基于Hadoop2.0 构建分布式系统

模块十二

Hadoop企业级别案例解析

u  Hadoop 结构化数据案例

u  Hadoop 非结构化案例

u  H 数据库案例

u  Hadoop 视频分析案例

u  利用大数据分析改进交通管理

u  区域医疗大数据应用案例

u  银联大数据数据票据详单平台

u  广东移动省公司请账单系统

u  上海电信网络优化

u  某通信运营商全国用户上网记录

u  浙江台州市智能交通系统

u  移动广州详单实时查询系统

u  跨区域实时视频监控系统

模块十三

RedHadoop 企业版本

u  运用RedHadoop快速构建服务集群

u  运用RedHadoop DW 构建数据仓库

u  基于RedHadoop Hive构建数据仓库平台

u  灵活运用 Hive 加速游戏数据仓库

u  基于Pig+OpenCV大规模图像人脸识别

模块十四

Spark原理和入门

u  Spark原理;Spark的架构图;Spark运行模式介绍

u  —local;—standalone;—messos;—yarn;Spark的RDD

u  什么是RDD;RDD的种类;—Tranformation;—Action

u  Spark的存储级别;Cache介绍;Spark的容错原理

u  Lineage容错;Checkpoint容错;RDD的创建

u  案例—统计单词的个数

培训师介绍:

 
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、H、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。 

本课程名称: “Hadoop大数据处理高级工程师” 实战培训班

查看更多:互联网/语言公开课

Hadoop大数据处理高级工程师 实战培训班 相关的最新课程
讲师动态评分 与同行相比

授课内容与课纲相符00%

讲师授课水平00%

服务态度00%