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

2019/12/20 - 2019/12/22

北京




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

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HBase

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

Hbase安装和使用

u Hbase 安装部署            

u Hbase原理和结构

u Hbase 运维和管理

u 使用Hbase+Hive 提供 OLAP SQL查询能力

u 使用Hbase+Phoenix提供 OLTP SQL能力

u 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

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 Hbase 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
生态介绍

¬ Mapreduce、storm和spark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 SQL(ad-hoc)
¬ Mllib(MachineLearning)
¬ GraphX(bagel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 Standalone与YARN模式下的优缺点



时间:12-20 09:00 - 12-22 17:00
地点:具体地点开班前一周通知

报名购票

主办方