您的位置：企業(yè)培訓(xùn)網(wǎng) > 專業(yè)培訓(xùn) > IT技術(shù)培訓(xùn) > Hadoop大數(shù)據(jù)平臺開發(fā)與案例分析高級工程師實戰(zhàn)培訓(xùn)班
關(guān)于舉辦“Hadoop大數(shù)據(jù)平臺開發(fā)與案例分析”高級工程師實戰(zhàn)培訓(xùn)班的通知
一、 課程介紹
1. 需求理解
Hadoop 設(shè)計之初的目標就定位于高可靠性、高可拓展性、高容錯性和高效性，正是這些設(shè)計上與生俱來的優(yōu)點，才使得Hadoop 一出現(xiàn)就受到眾多大公司的青睞，同時也引起了研究界的普遍關(guān)注。
對電信運營商而言,用戶上網(wǎng)日志包含了大量用戶個性化需求、喜好信息,對其進行分析和挖掘,能更好地了解客戶需求。傳統(tǒng)經(jīng)營分析系統(tǒng)小型機加關(guān)系型數(shù)據(jù)庫的架構(gòu)無法滿足對海量非結(jié)構(gòu)化數(shù)據(jù)的處理需求,搭建基于X86的Hadoop 平臺,引入大數(shù)據(jù)處理技術(shù)的方式,實現(xiàn)高效率、低成本、易擴展的經(jīng)營分析系統(tǒng)混搭架構(gòu)成為電信運營商最為傾向的選擇。本課程將全面介紹Hadoop平臺開發(fā)和運維的各項技術(shù)，對學(xué)員使用該項技術(shù)具有很高的應(yīng)用價值。
2. 培訓(xùn)課程架構(gòu)與設(shè)計思路
（1）培訓(xùn)架構(gòu)：
本課程分為三個主要部分：
第一部分：重點講述大數(shù)據(jù)技術(shù)在的應(yīng)用，使學(xué)員對大數(shù)據(jù)技術(shù)的廣泛應(yīng)用有清晰的認識，在這環(huán)節(jié)當中會重點介紹Hadoop技術(shù)在整個大數(shù)據(jù)技術(shù)應(yīng)用中的重要地位和應(yīng)用情況。
第二部分：具體對hadoop技術(shù)進行模塊化分拆，從大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用談起，介紹Hadoop技術(shù)各主要應(yīng)用工具和方法，以及在運維維護當中的主流做法，使學(xué)員全面了解和掌握Hadoop技術(shù)的精華。
第三部分：重點剖析大數(shù)據(jù)的應(yīng)用案例，使學(xué)員在案例當中對該項技術(shù)有更深入的感觀印象
（2）設(shè)計思路：
本課程采用模塊化教學(xué)方法，以案例分析為主線，由淺入深、循序漸進、由理論到實踐操作進行設(shè)計。
（3）與企業(yè)的貼合點：
本課程結(jié)合企業(yè)轉(zhuǎn)型發(fā)展及大數(shù)據(jù)發(fā)展戰(zhàn)略，圍繞企業(yè)大數(shù)據(jù)業(yè)務(wù)及行業(yè)應(yīng)用市場拓展發(fā)展目標，重點講授Hadoop的應(yīng)用技術(shù)，提升企業(yè)IT技術(shù)人員的開發(fā)和運維能力，有很強的貼合度。
二、培訓(xùn)時間及地點
2023年3月23-25日北京 2023年4月22-24日杭州
三、培訓(xùn)對象
業(yè)務(wù)支撐建設(shè)維護室、業(yè)務(wù)維護室、經(jīng)營分析室人員；網(wǎng)絡(luò)部、網(wǎng)管中心、網(wǎng)優(yōu)中心從事大數(shù)據(jù)相關(guān)工作的人員
四、培訓(xùn)目標
掌握大數(shù)據(jù)處理平臺（Hadoop、Spark、Storm）技術(shù)架構(gòu)、以及平臺的安裝部署、運維配置、應(yīng)用開發(fā)；掌握主流大數(shù)據(jù)Hadoop平臺和Spark實時處理平臺的技術(shù)架構(gòu)和實際應(yīng)用；利用Hadoop+Spark對行業(yè)大數(shù)據(jù)進行存儲管理和分析挖掘的技術(shù)應(yīng)用；講解Hadoop生態(tài)系統(tǒng)組件，包括Storm，HDFS，MapReduce，HIVE，HBase，Spark，GraphX，MLib，Shark， ElasticSearch等大數(shù)據(jù)存儲管理、分布式數(shù)據(jù)庫、大型數(shù)據(jù)倉庫、大數(shù)據(jù)查詢與搜索、大數(shù)據(jù)分析挖掘與分布式處理技術(shù)
五、培訓(xùn)大綱
（1）課程框架
|
時間 |
培訓(xùn)內(nèi)容 |
教學(xué)方式 | |
|
第一天 |
上午 |
第一部分：移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算相關(guān)技術(shù)介紹 第二部分：大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向 |
理論講授+案例分析 |
|
下午 |
第三部分：大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用 第四部分：Hadoop文件系統(tǒng)HDFS最佳實戰(zhàn) |
理論講授+案例分析+小組討論 | |
|
第二天 |
上午 |
第五部分：Hadoop運維管理與性能調(diào)優(yōu) 第六部分：NOSQL數(shù)據(jù)庫Hbase與Redis |
理論講授+案例分析+實戰(zhàn)演練 |
|
下午 |
第七部分：類SQL語句工具——Hive 第八部分：數(shù)據(jù)挖掘SPARK建模基礎(chǔ)介紹 |
理論講授+案例分析+實戰(zhàn)演練 | |
|
第三天 |
上午 |
第九部分：Kafka基礎(chǔ)介紹 第十部分：大數(shù)據(jù)典型應(yīng)用與開發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運營 |
理論講授+案例分析 |
|
下午 |
第十一部分：當前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國內(nèi)外運營商、互聯(lián)網(wǎng)公司為例 第十二部分：課程總結(jié)與問題答疑 評估培訓(xùn) |
理論講授+案例分析+小組討論 | |
詳細培訓(xùn)內(nèi)容介紹
|
課程模塊 |
課程主題 |
主要內(nèi)容及案例和演示 | |
|
模塊一 |
移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算相關(guān)技術(shù)介紹 |
1、 數(shù)據(jù)中心與云計算技術(shù)應(yīng)用 2、 智慧城市與云計算技術(shù)應(yīng)用 3、 移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算關(guān)聯(lián)技術(shù) 4、 移動云計算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈 5、 大數(shù)據(jù)技術(shù)在運營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實踐 6、 國內(nèi)外主流的大數(shù)據(jù)解決方案介紹 7、 當前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較 8、 Cloudera Hadoop 大數(shù)據(jù)平臺方案剖析 9、 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析 | |
|
模塊二 |
大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向 |
1、 大數(shù)據(jù)時代的挑戰(zhàn) Ø 戰(zhàn)略決策能力 Ø 技術(shù)開發(fā)和數(shù)據(jù)處理能力 Ø 組織和運營能力 2、 大數(shù)據(jù)時代的發(fā)展方向 Ø 云計算是基礎(chǔ)設(shè)施架構(gòu) Ø 大數(shù)據(jù)是靈魂資產(chǎn) Ø 分析、挖掘是手段 Ø 發(fā)現(xiàn)和預(yù)測是最終目標 3、 大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況 Ø 電信行業(yè)應(yīng)用及案例分析 Ø 互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析 Ø 金融行業(yè)應(yīng)用及案例研究 Ø 銷售行業(yè)應(yīng)用案例分析 | |
|
模塊三 |
大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用 |
1、 Hadoop的發(fā)展歷程 Ø Hadoop大數(shù)據(jù)平臺架構(gòu) Ø 基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制 Ø Hadoop 的核心組件剖析 2、 分布式文件系統(tǒng)HDFS Ø 概述、功能、作用、優(yōu)勢 Ø 應(yīng)用范疇、應(yīng)用現(xiàn)狀 Ø 發(fā)展趨勢 3、 分布式文件系統(tǒng)HDFS架構(gòu)及原理 Ø 核心關(guān)鍵技術(shù) Ø 設(shè)計精髓 Ø 基本工作原理 Ø 系統(tǒng)架構(gòu) Ø 文件存儲模式 Ø 工作機制 Ø 存儲擴容與吞吐性能擴展 4、 分布式文件系統(tǒng)HDFS操作 Ø SHELL命令操作 Ø I/O流式操作 Ø 文件數(shù)據(jù)讀取、寫入、追加、刪除 Ø 文件狀態(tài)查詢 Ø 數(shù)據(jù)塊分布機制 Ø 數(shù)據(jù)同步與一致性 Ø 元數(shù)據(jù)管理技術(shù) Ø 主節(jié)點與從節(jié)點工作機制 Ø 大數(shù)據(jù)負載均衡技術(shù) Ø HDFS大數(shù)據(jù)存儲集群管理技術(shù) 5、 Hadoop生態(tài)系統(tǒng)組件 Ø Storm Ø HDFS Ø MapReduce Ø HIVE Ø HBase Ø Spark Ø GraphX Ø MLib Ø Shark | |
|
模塊四 |
Hadoop文件系統(tǒng)HDFS最佳實戰(zhàn) |
1、 HDFS的設(shè)計 2、 HDFS的概念 Ø 數(shù)據(jù)塊 Ø namenode和datanode Ø 聯(lián)邦HDFS Ø HDFS的高可用性 3、 命令行接口 4、 Hadoop文件系統(tǒng) 5、 Java接口 Ø 從Hadoop URL讀取數(shù)據(jù) Ø 通過FileSystem API讀取數(shù)據(jù) Ø 寫入數(shù)據(jù) Ø 目錄 Ø 查詢文件系統(tǒng) Ø 刪除數(shù)據(jù) 6、 數(shù)據(jù)流 Ø 剖析文件讀取 Ø 剖析文件寫入 Ø 一致模型 7、 通過Flume和Sqoop導(dǎo)入數(shù)據(jù) 8、 通過distcp并行復(fù)制 9、 Hadoop存檔 Ø 使用Hadoop存檔工具 Ø 不足 | |
|
模塊五 |
Hadoop運維管理與性能調(diào)優(yōu) |
1、 第二代大數(shù)據(jù)處理框架 Ø Yarn的工作原理及 Ø DAG并行執(zhí)行機制 Ø Yarn大數(shù)據(jù)分析處理案例分析 Ø Yarn 框架并行應(yīng)用程序?qū)嵺` 2、 集群配置管理 Ø Hadoop集群配置 Ø Hadoop性能調(diào)優(yōu)與參數(shù)配置 Ø Hadoop機架感知策略與配置 Ø Hadoop壓縮機制 Ø Hadoop任務(wù)負載均衡 Ø Hadoop 集群維護 Ø Hadoop監(jiān)控管理 3、 HDFS的靜態(tài)調(diào)優(yōu)技巧 Ø HDFS 的高吞吐量I/O性能調(diào)優(yōu)技巧 Ø MapReduce/Yarn的并行處理性能調(diào)優(yōu)技巧 Ø Hadoop集群的運行故障剖析，以及解決方案 Ø 基于Hadoop大數(shù)據(jù)應(yīng)用程序的性能瓶頸剖析與提 Ø Hadoop 大數(shù)據(jù)運維監(jiān)控管理系統(tǒng) HUE 平臺的安裝部署與應(yīng)用配置 Ø Hadoop運維管理監(jiān)控系統(tǒng)Ambari平臺的安裝部配置 Ø Hadoop 集群運維系統(tǒng) Ganglia, Nagios的安裝部署與應(yīng)用配置 | |
|
模塊六 |
NOSQL數(shù)據(jù)庫Hbase與Redis |
1、 NOSQL基礎(chǔ) Ø CAP理論 Ø Base與ACID Ø NOSQL數(shù)據(jù)庫存儲類型 鍵值存儲 列存儲 文檔存儲 圖形存儲 2、 HBase分布式數(shù)據(jù)基礎(chǔ) 3、 安裝Hbase 4、 Hbase應(yīng)用 Ø HBase的邏輯數(shù)據(jù)模型，HBase的表、行、列族、列、單元格、版本、row key排序 Ø HBase的物理模型，命名空間（表空間）、表模式（Schema）的設(shè)計法則 Ø HBase 主節(jié)點HMaster的工作原理，HMaster的高可用配置，以及性能調(diào)優(yōu) Ø HBase 從節(jié)點RegionServer（分區(qū)服務(wù)節(jié)點）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu) Ø HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析 Ø HBase表設(shè)計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作 Ø HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化 5、 HBase分布式數(shù)據(jù)庫簡介、發(fā)展歷程、應(yīng)用場景、工作原理、以及應(yīng)用優(yōu)勢與不足之處 Ø HBase分布式數(shù)據(jù)庫集群的主從式平臺架構(gòu)和關(guān)鍵技術(shù)剖析 Ø HBase偽分布式和物理集群分布式的控制與運行配置 Ø HBase從節(jié)點RegionServer（分區(qū)服務(wù)節(jié)點）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu) Ø HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析 Ø HBase表設(shè)計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作 Ø HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化 Ø ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺架構(gòu)、集群部署應(yīng)用實戰(zhàn) Ø ZooKeeper集群的原理架構(gòu)，以及應(yīng)用配置 6、 Redis內(nèi)存數(shù)據(jù)庫介紹，以及業(yè)界應(yīng)用案例 Ø Redis內(nèi)存數(shù)據(jù)庫集群架構(gòu)以及核心技術(shù)剖析 Ø Redis 集群的安裝部署與應(yīng)用開發(fā)實戰(zhàn) | |
|
模塊七 |
類SQL語句工具——Hive |
1、 安裝Hive 2、 示例 3、 運行Hive Ø 配置Hive Ø Hive服務(wù) Ø Metastore 4、 Hive與傳統(tǒng)數(shù)據(jù)庫相比 Ø 讀時模式vs.寫時模式 Ø 更新、事務(wù)和索引 5、 HiveQL Ø 數(shù)據(jù)類型 Ø 操作與函數(shù) 6、 表 Ø 托管表和外部表 Ø 分區(qū)和桶 Ø 存儲格式 Ø 導(dǎo)入數(shù)據(jù) Ø 表的修改 Ø 表的丟棄 7、 查詢數(shù)據(jù) Ø 排序和聚集 Ø MapReduce腳本 Ø 連接 Ø 子查詢 Ø 視圖 8、 用戶定義函數(shù) Ø 寫UDF Ø 寫UDAF | |
|
模塊八 |
數(shù)據(jù)挖掘SPARK建�；A(chǔ)介紹 |
1、 Spark簡介 Ø Spark是什么 Ø Spark生態(tài)系統(tǒng)BDAS 2、 Spark架構(gòu) Ø Spark分布式架構(gòu)與單機多核架構(gòu)的異同 3、 Spark集群的安裝與部署 Ø Spark的安裝與部署 Ø Spark集群初試 4、 Spark硬件配置 Ø Spark硬件 Ø Spark硬件配置流程 | |
|
模塊九 |
Kafka基礎(chǔ)介紹 |
1、 Kafka介紹 2、 kafka體系結(jié)構(gòu) 3、 kafka設(shè)計理念簡介 4、 kafka通信協(xié)議 5、 kafka的偽分布安裝、集群安裝 6、 kafka的shell操作、java操作 7、 kafka設(shè)計理念* 8、 kafka producer和consumer開發(fā) 9、 Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn) 10、 Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn) 11、 Hadoop與DBMS之間數(shù)據(jù)交互工具Sqoop的應(yīng)用實踐， 12、 Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)以及Sqoop集群部署與配置 13、 Kettle 集群的平臺架構(gòu)、核心技術(shù)、部署配置和應(yīng)用實戰(zhàn) 14、 利用Sqoop實現(xiàn) MySQL 與 Hadoop 集群之間 | |
|
模塊十 |
大數(shù)據(jù)典型應(yīng)用與開發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運營 |
1、 案例1：貴州數(shù)據(jù)交易中心 Ø 交易所交易形式：電子交易 Ø 交易所服務(wù)：大數(shù)據(jù)交易、大數(shù)據(jù)清洗建模分析、大數(shù)據(jù)定向采購、大數(shù)據(jù)平臺技術(shù)開發(fā) Ø 大數(shù)據(jù)交易安全性探討分析 Ø 數(shù)據(jù)交易中心商業(yè)模式探討分析 2、 案例2：大數(shù)據(jù)應(yīng)用案例：公共交通線路的智能規(guī)劃 Ø UrbanInsights：為公交公司提供基于訂閱訪問的大數(shù)據(jù)工具以及大數(shù)據(jù)咨詢服務(wù) Ø Urban Insights數(shù)據(jù)源、數(shù)據(jù)收集、數(shù)據(jù)倉庫、數(shù)據(jù)分析——設(shè)計運營線路 Ø Urban Insights通過互聯(lián)網(wǎng)數(shù)據(jù)的運營 3、 討論：浙江移動大數(shù)據(jù)應(yīng)用與開發(fā)方向 | |
|
模塊十一 |
當前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國內(nèi)外運營商、互聯(lián)網(wǎng)公司為例 |
1、 流商業(yè)大數(shù)據(jù)解決方案比較 2、 主流開源云計算系統(tǒng)比較 3、 國內(nèi)外代表性大數(shù)據(jù)平臺比較 4、 各廠商最新的大數(shù)據(jù)產(chǎn)品介紹 5、 案例分析 Ø Facebook的SNS平臺應(yīng)用 Ø Google的搜索引擎應(yīng)用 Ø Rackspace的日志處理 Ø Verizon成立精準市場營銷部 Ø TelefonicaDynamicInsights推出的名為“智慧足跡”的商業(yè)服務(wù) Ø 中國聯(lián)通的“移動通信用戶上網(wǎng)記錄集中查詢與分析支撐系統(tǒng)” | |
|
模塊十二 |
|
課程總結(jié)與問題答疑 | |
六、師資介紹
張老師：阿里大數(shù)據(jù)高級專家，國內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家，對HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進行了多年的深入的研究，更主要的是這些技術(shù)在大量的實際項目中得到廣泛的應(yīng)用，因此在Hadoop開發(fā)和運維方面積累了豐富的項目實施經(jīng)驗。近年主要典型的項目有：某電信集團網(wǎng)絡(luò)優(yōu)化、中國移動某省移動公司請賬單系統(tǒng)和某省移動詳單實時查詢系統(tǒng)、中國銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運營商全國用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺項目等。
七、頒發(fā)證書
參加相關(guān)培訓(xùn)并通過考試的學(xué)員，可以獲得：
工業(yè)和信息化部頒發(fā)的-《大數(shù)據(jù)開發(fā)高級工程師證書》。該證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。注：請學(xué)員帶一寸彩照2張（背面注明姓名）、身份證復(fù)印件一張。
八、培訓(xùn)費用及須知
6800元/人（含教材、培訓(xùn)費、考證費以及學(xué)習(xí)用具等費用） 食宿統(tǒng)一安排，費用自理。
【報名咨詢】
聯(lián)系電話：010-62258232 62278113 13718601312 13120125786
聯(lián) 系 人：李先生 陳小姐
