大數(shù)據(jù)處理技術(shù)-基于Hadoop/Yarn的大數(shù)據(jù)技術(shù)實戰(zhàn)

培訓受眾:

1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。

2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設(shè)計負責人。

3，政府機關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負責人。

4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負責人。

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。

2，學習Hadoop/Yarn的核心技術(shù)方法以及應(yīng)用特征。

3，深入學習Hadoop/Yarn相關(guān)工具在大數(shù)據(jù)中的實操使用。

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)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。大數(shù)據(jù)是指無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進行抓取、管理和處理的數(shù)據(jù)集合，對大數(shù)據(jù)的分析已經(jīng)成為一個非常重要且緊迫的需求。目前對大數(shù)據(jù)的分析工具，首選的是Hadoop/Yarn平臺。Hadoop/Yarn在可伸縮性、健壯性、計算性能和成本上具有無可替代的優(yōu)勢，事實上已成為當前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺。為解決廣大系統(tǒng)設(shè)計人員深入研究與開發(fā)大數(shù)據(jù)技術(shù)的需要，解決廣大系統(tǒng)設(shè)計人員深入研究與開發(fā)大數(shù)據(jù)技術(shù)的需要，

一、培訓對象

1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。

2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設(shè)計負責人。

3，政府機關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負責人。

4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負責人。

二、學員基礎(chǔ)

1，對IT系統(tǒng)設(shè)計有一定的理論與實踐經(jīng)驗。

2，有一定的數(shù)據(jù)倉庫與大數(shù)據(jù)處理的基礎(chǔ)知識。

四、培訓要點

互聯(lián)網(wǎng)點擊數(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數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類評論，成為了海量信息的多種形式。當數(shù)據(jù)以成百上千TB不斷增長的時候，我們在內(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)已成為當前亟待解決的問題。大數(shù)據(jù)處理意味著更嚴峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會獲得意想不到的收獲。

Google發(fā)布的GFS和MapReduce等高可擴展、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)頁數(shù)據(jù)時該框架的優(yōu)越性。GFS/MapReduce框架實現(xiàn)了更高應(yīng)用層次的抽象，使用戶無需關(guān)注復雜的內(nèi)部工作機制，無需具備豐富的分布式系統(tǒng)知識及開發(fā)經(jīng)驗，即可實現(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開源項目開發(fā)團隊,克隆了GFS/MapReduce框架，推出了Hadoop系統(tǒng)。該系統(tǒng)已受到學術(shù)界和工業(yè)界的廣泛認可和采納，并孵化出眾多子項目(如Hive、Pig、H和Zookeeper等)，日益形成一個易部署、易開發(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實戰(zhàn)的角度，結(jié)合理論和實踐，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的的工作機制、類型和格式；如何構(gòu)建和管理Hadoop/Yarn集群；Pig Latin語言的使用技巧；Hive數(shù)據(jù)倉庫工具介紹；H和Zookeeper工具的使用和管理；開源數(shù)據(jù)采集工具sqoop。

本課程教學過程中還提供了案例分析來幫助學員了解如何用Hadoop/Yarn系列工具來解決具體的問題，并介紹了從大數(shù)據(jù)中挖掘出有價值的信息的關(guān)鍵。

本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論解決方案的深入課程。教師對于上述領(lǐng)域有深入的理論研究與實踐經(jīng)驗，在課程中將會針對這些問題與學員一起進行研究，在關(guān)鍵點上還會搭建實驗環(huán)境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動Hadoop/Yarn相關(guān)的項目開發(fā)上升到一個新水平。

五、培訓內(nèi)容

第一講云計算及大數(shù)據(jù)處理技術(shù)介紹

1）云計算的概念

2）云計算發(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)鎖機制

3）MapReduce計算模型

4）Bigtable大表管理技術(shù)

第三講Hadoop系統(tǒng)及HDFS

1） Hadoop及其運行架構(gòu)

2） Yarn中的隔離和調(diào)度機制

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計算模型設(shè)計

1) MapReduce產(chǎn)生背景

2) MapReduce編程模型

3) MapReduce實現(xiàn)機制

4) MapReduce案例分析

第五講Pig 數(shù)據(jù)流處理工具

1）Pig 設(shè)計的目標

2）Pig Latine介紹

3）Pig關(guān)鍵性技術(shù)

4）Pig的實用案例

第六講 云數(shù)據(jù)倉庫Hive

1) Hive設(shè)計目標

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)處理機制

3）H列族設(shè)計及API

4）H高并發(fā)讀/寫的實現(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實時處理技術(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

六、培訓目標

1，全面了解基于Hadoop/Yarn的大數(shù)據(jù)處理相關(guān)知識。

2，學習Hadoop/Yarn的核心技術(shù)方法以及應(yīng)用特征。

3，深入學習Hadoop/Yarn相關(guān)工具在大數(shù)據(jù)中的實操使用。

4，了解Hadoop與Storm、Spark、Docker等技術(shù)的融合使用。