2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站）

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

¬ 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

¬ 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

• Scala基本语法与高阶语法

• Scala基本语法
• Scala开发环境搭建
• Scala开发Spark应用程序
• 使用java编程
• 使用scala编程
• 使用python编程