大会介绍


Hadoop及spark大数据应用开发最佳实战



1.培训简介

为贯彻落实党中央国务院“十三五”规划指导精神,实施网络强国战略,加快建设数字中国;构建高效信息网络,推进物联网发展;实施“互联网+”行动计划,促进多领域融合发展;实施国家大数据战略,加快政府数据开放;加强数据安全包含,全面保障信息系统安全;推进军民融合发展立法。要实施国家大数据战略,把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。加快政府数据开放共享,促进大数据产业健康发展。

现如今,大数据的应用并不仅存在于一些“理工类领域”,它已经渗透到我们生活的方方面面,将来,大数据在能源、金融、电信、汽车、消费等大多数行业都有用武之地,行业发展潜力巨大。去年,国内数据创业已是风起云涌,其实,2016才是真正意义上的大数据元年。据IDC预测,到2020年,大数据分析技术将成为所有国家经济增长的关键动力。大数据分析及其相关的市场的复合年增长率将达到26.4%,在2018年全球将发展到415亿美元的规模。同时,IDC认为,到2020年大数据分析技术将成为所有国家经济增长的关键动力。然而大数据架构最火热的莫过于Hadoop,Spark和Storm这三种







2.时间地点

2020/01/09 - 2020/01/12

上海




有疑问可咨询:

13643136553或liuyao@ncic.ac.cn
中科图云小助手微信:TuyunAssistant


更多资讯可关注: 

官方公众号:中科图云
服务号:中科图云AICloud 



3.培训对象

各地政府,院校云计算物联网产业相关负责人,各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员、技术总监、数据挖掘负责人、数据挖掘开发工程师等




 4.课程目标 


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




5.培训师资


 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(Web Game Daas)平台项目等。 




6.培训特色

    注重应用:分析国内实际情况,结合国际、国内成功经验。采用实战的项目,让学员在短时间内掌握Hadoop与Spark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。




7.颁发证书



参加相关培训并通过考试的学员,可以获得:

工业和信息化部全国网络与信息技术考试管理中心中心颁发的-“Hadoop与Spark大数据应用与开发”职业技能证书(等级高级)。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。




8.培训费用

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。




9.培训内容

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

传统大规模系统存在的问题 

Hadoop概述 

Hadoop分布式文件系统      

MapReduce工作原理         

Hadoop集群剖析            

Hadoop生态系统对一种新的解决方案的需求

Hadoop的行业应用案例分析

Hadoop在云计算和大数据的位置和关系

数据开放,数据云服务平台(DAAS)时代

Hadoop平台在数据云平台(DAAS)上的天然优势

数据云平台(DAAS 平台)组成部分

互联网公共数据大云(DAAS)案例

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

Hadoop HDFS 和 MapReduce 

Hadoop数据库之HBase 

Hadoop数据仓库之Hive

Hadoop数据处理脚本Pig 

Hadoop数据接口Sqoop和Flume,Scribe DataX 

Hadoop工作流引擎 Oozie

运用Hadoop自下而上构建大规模企业数据仓库

暴风影音数据仓库实战解析

模块三

Hadoop组件详解

Hadoop HDFS 基本结构

Hadoop HDFS 副本存放策略

Hadoop NameNode 详解

HadoopSecondaryNameNode 详解 

Hadoop DataNode 详解

Hadoop JobTracker 详解 

Hadoop TaskTracker 详解

Hadoop Mapper类核心代码

Hadoop Reduce类核心代码

Hadoop 核心代码

模块四

Hadoop安装和部署

Hadoop系统模块组件概述

Hadoop试验集群的部署结构

Hadoop 安装依赖关系

Hadoop 生产环境的部署结构

Hadoop集群部署

Hadoop 高可用配置方法

Hadoop 集群简单测试方法 

Hadoop 集群异常Debug方法

Hadoop安装部署实验

Red hat Linux基础环境搭建

Hadoop 单机系统版本安装配置

Hadoop 集群系统版本安装和启动配置 

使用 Hadoop MapReduce Streaming 快速测试系统

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

模块五

Hadoop集群规划

Hadoop 集群内存要求

Hadoop集群磁盘分区

集群和网络拓扑要求

集群软件的端口配置

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

Hadoop MapReduce 算法的原理和优化思想

灵活运用MapReduce 实现算法

运用MapReduce 构建数据库算法

Select Sort GrougBy Sum Count 

Join 新进流失算法

使用 Y-Smart 快速转换SQL 为MapReduce 代码

模块七

编写MapReduce高级程序

使用 Hadoop MapReduce Streaming 编程

MapReduce流程          

剖析一个MapReduce程序 

基本MapReduceAPI概念  

驱动代码 Mapper、Reducer

Hadoop流 

API 使用Eclipse进行快速开发               

新MapReduce API 

MapReduce的优化

MapReduce的任务调度

MapReduce编程实战

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

满足解决实际数据分析问题的高级Hadoop API 

Hadoop Streaming 和 Java MapReduce Api 差异。

MapReduce 实现数据库功能

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡

直接访问Hadoop分布式文件系统(HDFS)

Hadoop的join操作

辅助排序在Reducer方的合并

定制Writables和WritableComparables 

使用SequenceFiles和Avro文件保存二进制数据 

创建InputFormats OutputFormats

Hadoop的二次排序

Hadoop的海量日志分析

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

存储系统 

利用Sqoop从关系型数据库系统中导入数据到Hadoop 

利用Flume导入实时数据到Hadoop 

ToolRunner介绍、使用MRUnit进行测试 

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

使用FuseDFS和Hadoop访问HDFS

使用分布式缓存(Distributed Cache)

直接访问Hadoop分布式文件系统(HDFS) 

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡  

模块九

使用Hive和Pig开发及技巧

Hive和Pig基础              

Hive的作用和原理说明

Hadoop仓库和传统数据仓库的协作关系

Hadoop/Hive仓库数据数据流

Hive 部署和安装

Hive Cli 的基本用法

HQL基本语法

运用Pig 过滤用户数据  

使用JDBC 连接Hive进行查询和分析

使用正则表达式加载数据

HQL高级语法

编写UDF函数

编写UDAF自定义函数

基于Hive脚本内嵌Streaming 编程

模块十

Hbase安装和使用

Hbase 安装部署            

Hbase原理和结构

Hbase 运维和管理

使用Hbase+Hive 提供 OLAP SQL查询能力

使用Hbase+Phoenix提供 OLTP SQL能力

基于Hbase 的时间序列数据库 OpenTsDb 结构解析

模块十一

Hadoop2.0 集群探索

Hadoop2.0 HDFS 原理

Hadoop2.0 Yarn 原理

Hadoop2.0 生态系统

基于Hadoop2.0 构建分布式系统

模块十二

Hadoop企业级别案例解析

Hadoop 结构化数据案例

Hadoop 非结构化案例

Hbase 数据库案例

Hadoop 视频分析案例

利用大数据分析改进交通管理

区域医疗大数据应用案例

银联大数据数据票据详单平台

广东移动省公司请账单系统

上海电信网络优化

某通信运营商全国用户上网记录

浙江台州市智能交通系统

移动广州详单实时查询系统

跨区域实时视频监控系统

模块十三

RedHadoop 企业版本

运用RedHadoop快速构建服务集群

运用RedHadoop DW 构建数据仓库

基于RedHadoop Hive构建数据仓库平台

灵活运用 Hive 加速游戏数据仓库

基于Pig+OpenCV大规模图像人脸识别

模块十四

Spark
生态介绍

¬ Mapreducestormspark模型的比较和使用场景介绍
¬ Spark产生背景
¬ Spark(内存计算框架)
¬ SparkSteaming(流式计算框架)
¬ Spark SQLad-hoc
¬ MllibMachineLearning
¬ GraphXbagel将被代)
¬ DlinkDB介绍
¬ SparkR介绍

 

模块十五

Spark
安装部署

¬ Spark安装简介
¬ Spark的源码编译
¬ Spark Standalone安装
¬ Spark应用程序部署工具spark-submit
¬ Spark的高可用性部署

 

模块十六

Spark
运行架构和解析

¬ Spark的运行架构
• 基本术语
• 运行架构
• Spark on Standalone运行过程
• Spark on YARN 运行过程
¬ Spark运行实例解析
• Spark on Standalone实例解析
• Spark on YARN实例解析

• 比较 StandaloneYARN模式下的优缺点



时间:01-09 09:00 - 01-12 17:00
地点:具体地点开班前一周通知

报名购票

主办方