大數(shù)據(jù)Hadoop與Spark架構(gòu)應(yīng)用實(shí)戰(zhàn)其它上課時(shí)間：

響應(yīng)工業(yè)和信息化部培養(yǎng)大數(shù)據(jù)技術(shù)高端人才的號(hào)召,中國信息化培訓(xùn)中心特推出了大數(shù)據(jù)平臺(tái)Hadoop與Spark架構(gòu)技術(shù)及應(yīng)用實(shí)戰(zhàn)課程培訓(xùn)班。通過專業(yè)的大數(shù)據(jù)Hadoop與Spark技術(shù)架構(gòu)體系與業(yè)界真實(shí)案例來全面提升大數(shù)據(jù)項(xiàng)目高管、大數(shù)據(jù)平臺(tái)架構(gòu)師，以及大數(shù)據(jù)開發(fā)工程師與大數(shù)據(jù)應(yīng)用設(shè)計(jì)人員的專業(yè)水平，旨在培養(yǎng)專業(yè)的大數(shù)據(jù)Hadoop與Spark技術(shù)架構(gòu)專家，培養(yǎng)大數(shù)據(jù)技術(shù)和應(yīng)用創(chuàng)新型人才，促進(jìn)大數(shù)據(jù)技術(shù)在各行業(yè)內(nèi)部及跨行業(yè)進(jìn)行實(shí)施應(yīng)用，以及企事業(yè)單位的大數(shù)據(jù)項(xiàng)目開發(fā)和落地

課程收益:

一、培訓(xùn)特色
1.課程培訓(xùn)業(yè)界最流行、應(yīng)用最廣泛的Hadoop與Spark大數(shù)據(jù)技術(shù)體系。
強(qiáng)化大數(shù)據(jù)平臺(tái)的分布式集群架構(gòu)和核心關(guān)鍵技術(shù)實(shí)現(xiàn)、大數(shù)據(jù)應(yīng)用項(xiàng)目開發(fā)和大數(shù)據(jù)集群運(yùn)維實(shí)踐、以及Hadoop與Spark大數(shù)據(jù)項(xiàng)目應(yīng)用開發(fā)與調(diào)優(yōu)的全過程沙盤模擬實(shí)戰(zhàn)。
2.通過一個(gè)完整的大數(shù)據(jù)開發(fā)項(xiàng)目及一組實(shí)際項(xiàng)目訓(xùn)練案例，完全覆蓋
Hadoop與Spark生態(tài)系統(tǒng)平臺(tái)的應(yīng)用開發(fā)與運(yùn)維實(shí)踐。課堂實(shí)踐項(xiàng)目以項(xiàng)目小組的形式進(jìn)行沙盤實(shí)操練習(xí)，重點(diǎn)強(qiáng)化理解Hadoop與Spark大數(shù)據(jù)項(xiàng)目各個(gè)階段的工作重點(diǎn)，同時(shí)掌握作為大數(shù)據(jù)項(xiàng)目管理者的基本技術(shù)與業(yè)務(wù)素養(yǎng)。
3.本課程的授課師資都是有著多年在一線從事Hadoop與Spark大數(shù)據(jù)項(xiàng)目
的資深講師，采用原理技術(shù)剖析和實(shí)戰(zhàn)案例相結(jié)合的方式開展互動(dòng)教學(xué)、強(qiáng)化以建立大數(shù)據(jù)項(xiàng)目解決方案為主體的應(yīng)用開發(fā)、技術(shù)討論與交流咨詢，在學(xué)習(xí)的同時(shí)促進(jìn)講師學(xué)員之間的交流，讓每個(gè)學(xué)員都能在課程培訓(xùn)過程中學(xué)到實(shí)實(shí)在在的大數(shù)據(jù)技術(shù)知識(shí)體系，以及大數(shù)據(jù)技術(shù)應(yīng)用實(shí)戰(zhàn)技能，具備實(shí)際大數(shù)據(jù)應(yīng)用項(xiàng)目的動(dòng)手開發(fā)實(shí)踐與運(yùn)維管理部署能力。授課過程中，根據(jù)學(xué)員需求，增設(shè)交流環(huán)節(jié)，可將具體工作中遇到的實(shí)際問題展開討論，講師會(huì)根據(jù)學(xué)員的實(shí)際情況微調(diào)授課內(nèi)容，由講師帶著全部學(xué)員積極討論，并給出一定的時(shí)間讓學(xué)員上臺(tái)發(fā)言，現(xiàn)場剖析問題的癥結(jié)，規(guī)劃出可行的解決方案。
二、 培訓(xùn)收益
1.深刻理解在“互聯(lián)網(wǎng) ”時(shí)代下大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程和演化趨勢；
2.了解業(yè)界市場需求和國內(nèi)外最新的大數(shù)據(jù)技術(shù)潮流，洞察大數(shù)據(jù)的潛在價(jià)值；
3.理解大數(shù)據(jù)項(xiàng)目解決方案及業(yè)界大數(shù)據(jù)應(yīng)用案例，從而為企業(yè)在大數(shù)據(jù)項(xiàng)目
中的技術(shù)選型及技術(shù)架構(gòu)設(shè)計(jì)提供決策參考；
4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術(shù)體系；
5.掌握大數(shù)據(jù)采集技術(shù)；
6.掌握大數(shù)據(jù)分布式存儲(chǔ)技術(shù)；
7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術(shù)；
8.掌握大數(shù)據(jù)倉庫與統(tǒng)計(jì)機(jī)器學(xué)習(xí)技術(shù)；
9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術(shù)；
10.掌握大數(shù)據(jù)離線處理技術(shù)；
11.掌握Storm流式大數(shù)據(jù)處理技術(shù)；
12.掌握基于內(nèi)存計(jì)算的大數(shù)據(jù)實(shí)時(shí)處理技術(shù)；
13.掌握大數(shù)據(jù)管理技術(shù)的原理知識(shí)和應(yīng)用實(shí)戰(zhàn)；
14.深入理解大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)和使用場景；
15.嫻熟運(yùn)用Hadoop與Spark大數(shù)據(jù)技術(shù)體系規(guī)劃解決方案滿足實(shí)際項(xiàng)目需求；
16.掌握如何部署符合生產(chǎn)環(huán)境要求的Hadoop大數(shù)據(jù)集群；
17.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺(tái)進(jìn)行應(yīng)用程序開發(fā)、集群運(yùn)維
管理和性能調(diào)優(yōu)技巧。

培訓(xùn)頒發(fā)證書:

本課程學(xué)習(xí)考核通過后由中國信息化培訓(xùn)中心頒發(fā)《大數(shù)據(jù)開發(fā)高級(jí)架構(gòu)師》證書，證書查詢：www.zpedu.org; 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(jí)和晉升職務(wù)的重要依據(jù)。

課程大綱:

第一天上午
大數(shù)據(jù)技術(shù)基礎(chǔ)
1.大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程
2.大數(shù)據(jù)和云計(jì)算的關(guān)系
3.大數(shù)據(jù)應(yīng)用需求以及潛在價(jià)值分析
4.業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢
5.大數(shù)據(jù)項(xiàng)目的技術(shù)選型與架構(gòu)設(shè)計(jì)
6.“互聯(lián)網(wǎng) ”時(shí)代下的電子商務(wù)、制造業(yè)、零售批發(fā)業(yè)、電信運(yùn)營商、互聯(lián)網(wǎng)金融業(yè)、網(wǎng)上銀行、電子政務(wù)、移動(dòng)互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實(shí)踐與應(yīng)用案例剖析

業(yè)界主流的大數(shù)據(jù)技術(shù)產(chǎn)品與項(xiàng)目解決方案
1.國內(nèi)外主流的大數(shù)據(jù)解決方案介紹
2.當(dāng)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
3.Apache大數(shù)據(jù)平臺(tái)方案剖析
4.CDH大數(shù)據(jù)平臺(tái)方案剖析
5.HDP大數(shù)據(jù)平臺(tái)方案剖析
6.開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析

Hadoop大數(shù)據(jù)平臺(tái)剖析
1.Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界的實(shí)際應(yīng)用介紹
2.Hadoop大數(shù)據(jù)平臺(tái)架構(gòu)
3.基于Hadoop平臺(tái)的PB級(jí)大數(shù)據(jù)存儲(chǔ)管理與分析處理的工作原理與機(jī)制
4.Hadoop的核心組件剖析

第一天下午
大數(shù)據(jù)分布式存儲(chǔ)系統(tǒng)原理及其應(yīng)用實(shí)踐
1.分布式文件系統(tǒng)HDFS的簡介
2.HDFS系統(tǒng)的主從式平臺(tái)架構(gòu)和工作原理
3.HDFS核心組件技術(shù)講解
4.基于HDFS的大型存儲(chǔ)系統(tǒng)應(yīng)用開發(fā)實(shí)戰(zhàn)
5.HDFS集群的安裝、部署、配置與性能優(yōu)化實(shí)踐
6.HDFS與Linux NFS3交互技術(shù)以及本地化部署應(yīng)用實(shí)踐
7.分布式鍵值存儲(chǔ)系統(tǒng)的平臺(tái)架構(gòu)、核心技術(shù)以及應(yīng)用開發(fā)
8.PB級(jí)大數(shù)據(jù)存儲(chǔ)項(xiàng)目的案例分析

大數(shù)據(jù)MapReduce與Yarn并行處理平臺(tái)
1.MapReduce并行計(jì)算模型
2.MapReduce作業(yè)執(zhí)行與調(diào)度技術(shù)
3.第二代大數(shù)據(jù)計(jì)算框架Yarn的工作原理以及DAG并行執(zhí)行機(jī)制
4.MapReduce應(yīng)用開發(fā)環(huán)境的部署，以及大數(shù)據(jù)并行處理應(yīng)用程序開發(fā)
5.MapReduce高級(jí)編程技巧與性能優(yōu)化實(shí)踐
6.MapReduce與Yarn大數(shù)據(jù)分析處理案例分析

Hadoop應(yīng)用實(shí)踐操作訓(xùn)練
1.部署與配置HDFS，熟練操作HDFS SHELL，HDFS與NFS操作，以及HDFS API開發(fā)實(shí)踐
2.部署與配置MapReduce與Yarn及其開發(fā)實(shí)踐
3.Hadoop的Linux二次開發(fā)環(huán)境部署與配置

第二天上午
H分布式數(shù)據(jù)庫管理系統(tǒng)
1.NoSQL數(shù)據(jù)庫與NewSQL數(shù)據(jù)庫技術(shù)介紹，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)方面的應(yīng)用實(shí)踐
2.H分布式數(shù)據(jù)庫簡介、數(shù)據(jù)模型以及工作原理
3.H分布式數(shù)據(jù)庫集群的平臺(tái)架構(gòu)和關(guān)鍵技術(shù)剖析
4.H應(yīng)用項(xiàng)目開發(fā)技巧，以及客戶端開發(fā)實(shí)戰(zhàn)
5.H表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫管理API調(diào)用
6.H集群的安裝部署與配置優(yōu)化
7.ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn)
8.H集群的運(yùn)維與監(jiān)控管理

Hive大型數(shù)據(jù)倉庫集群平臺(tái)及其應(yīng)用實(shí)踐
1.基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎(chǔ)知識(shí)，HIVE在行業(yè)中的數(shù)據(jù)倉庫應(yīng)用案例
2.Hive大數(shù)據(jù)倉庫簡介以及應(yīng)用介紹
3.Hive數(shù)據(jù)倉庫集群的平臺(tái)體系結(jié)構(gòu)、核心技術(shù)剖析
4.Hive Server的工作原理、機(jī)制與應(yīng)用
5.Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化
6.Hive應(yīng)用開發(fā)技巧
7.Hive SQL剖析與應(yīng)用實(shí)踐
8.Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導(dǎo)入導(dǎo)出、客戶端操作技巧
9.Hive數(shù)據(jù)倉庫報(bào)表設(shè)計(jì)
10、Hive JDBC與ODBC的工作原理與實(shí)現(xiàn)機(jī)制
11、Hive HWI、CLI客戶端操作以及UDF應(yīng)用實(shí)踐

H半結(jié)構(gòu)化數(shù)據(jù)管理應(yīng)用實(shí)踐操作訓(xùn)練
1.部署與配置H集群以及H的性能優(yōu)化
2.部署與配置ZooKeeper分布式集群
3.構(gòu)建H開發(fā)環(huán)境
4.H數(shù)據(jù)庫操作及項(xiàng)目實(shí)踐

Mahout大數(shù)據(jù)分析挖掘平臺(tái)及其應(yīng)用實(shí)踐
1.Mahout集群的安裝部署與配置優(yōu)化
2.Mahout實(shí)現(xiàn)客戶分析，廣告分析，日志分析，規(guī)律預(yù)測，關(guān)聯(lián)分析，定向推薦等應(yīng)用程序的開發(fā)與應(yīng)用實(shí)戰(zhàn)
3.Mahout性能優(yōu)化與分析挖掘算法參數(shù)的優(yōu)化技巧

Hive數(shù)據(jù)倉庫與Mahout數(shù)據(jù)挖掘平臺(tái)的應(yīng)用實(shí)踐操作訓(xùn)練
1.部署與配置HIVE集群，以及HIVE性能調(diào)優(yōu)
2.構(gòu)建HIVE開發(fā)環(huán)境
3.HIVE數(shù)據(jù)倉庫操作及項(xiàng)目實(shí)踐
4.實(shí)現(xiàn)Mahout與Hadoop H的應(yīng)用集成，實(shí)現(xiàn)日志數(shù)據(jù)分析挖掘項(xiàng)目的應(yīng)用實(shí)踐

第三天上午
Spark大數(shù)據(jù)實(shí)時(shí)處理平臺(tái)剖析
1.Spark的發(fā)展歷程以及業(yè)界的實(shí)際應(yīng)用介紹
2.Spark實(shí)時(shí)大數(shù)據(jù)處理平臺(tái)架構(gòu)
3.Spark RDD內(nèi)存彈性分布式數(shù)據(jù)集的工作原理與機(jī)制
4.Spark的核心組件剖析
5.基于Spark的實(shí)時(shí)數(shù)據(jù)倉庫與實(shí)時(shí)分析挖掘處理在行業(yè)中的應(yīng)用實(shí)踐案例

基于Spark的實(shí)時(shí)數(shù)據(jù)倉庫和實(shí)時(shí)數(shù)據(jù)分析挖掘處理平臺(tái)的實(shí)現(xiàn)機(jī)制，以及SparkSQL，Spark Streaming，MLib，GraphX，SparkR的應(yīng)用實(shí)踐
1.內(nèi)存計(jì)算模型和實(shí)時(shí)處理技術(shù)介紹
2.Spark中各個(gè)分布式組件的處理框架及工作原理
3.Spark SQL實(shí)時(shí)數(shù)據(jù)倉庫的實(shí)現(xiàn)原理機(jī)制及應(yīng)用實(shí)踐
4.Spark Streaming流式數(shù)據(jù)實(shí)時(shí)處理機(jī)制及應(yīng)用實(shí)踐
5.Spark MLib實(shí)時(shí)機(jī)器學(xué)習(xí)算法應(yīng)用實(shí)踐與案例應(yīng)用
6.Spark GraphX實(shí)時(shí)圖數(shù)據(jù)處理應(yīng)用實(shí)踐與社交網(wǎng)絡(luò)分析應(yīng)用案例
7.SparkR的實(shí)現(xiàn)原理與應(yīng)用實(shí)踐
8.Spark組件的應(yīng)用編程開發(fā)實(shí)戰(zhàn)
9.Spark與Hadoop的集成解決方案實(shí)踐

Spark平臺(tái)與各個(gè)組件的實(shí)踐操作訓(xùn)練
1.部署與配置Spark集群，以及Spark性能調(diào)優(yōu)
2.構(gòu)建Spark開發(fā)環(huán)境
3.Spark程序運(yùn)行以及操作
4.Spark SQL應(yīng)用操作實(shí)訓(xùn)
5.Spark Streaming應(yīng)用操作實(shí)訓(xùn)
6.Spark MLib應(yīng)用操作實(shí)訓(xùn)
7.Spark GraphX應(yīng)用操作實(shí)訓(xùn)
8.SparkR應(yīng)用操作實(shí)訓(xùn)
9.Spark與H集成數(shù)據(jù)分析實(shí)驗(yàn)實(shí)訓(xùn)

第三天下午

Storm流式數(shù)據(jù)處理平臺(tái)架構(gòu)及其應(yīng)用實(shí)踐
1.Storm流式處理系統(tǒng)的平臺(tái)架構(gòu)和工作原理
2.Storm關(guān)鍵技術(shù)剖析
3.Storm集群安裝部署與配置優(yōu)化
4.Storm日志流數(shù)據(jù)分析項(xiàng)目應(yīng)用實(shí)戰(zhàn)
5.Storm和Hadoop，Spark的應(yīng)用集成項(xiàng)目實(shí)踐

大數(shù)據(jù)智能化ETL操作工具以及Hadoop集群運(yùn)維監(jiān)控工具平臺(tái)應(yīng)用
1.Hadoop與DBMS之間數(shù)據(jù)交互工具的應(yīng)用
2.Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)的工作原理，以及Sqoop集群安裝部署與配置
3.Kettle集群的平臺(tái)架構(gòu)、核心技術(shù)工作原理以及應(yīng)用案例
4.Kettle大數(shù)據(jù)ETL工具的部署與配置，以及應(yīng)用實(shí)戰(zhàn)
5.利用Sqoop實(shí)現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)出交互程序
6.Hadoop大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng)HUE平臺(tái)的安裝部署與應(yīng)用配置
7.Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari平臺(tái)的安裝部署與應(yīng)用配置
8.Hadoop集群運(yùn)維系統(tǒng)Ganglia, Nagios的安裝部署與應(yīng)用配置

大數(shù)據(jù)分布式采集與