培训内容：

第一部分：如何构建分布式数据仓库平台
1. 怎么样才算是真正意义的大数据平台
2.      开源Hadoop介绍
3. 数据采集过程与分布式存储
  1)ETL介绍
  2)Sqoop
  3)HDFS
4. 数据仓库与数据分析
  1)MapReduce
  2)Hive
  3)Pig
  4)HBase
5. 集群监控与调度组件
  1)Ganglia监控
  2)Hadoop集群权限管理
  3)Hbase列数据库监控
  4)Oozie介绍
6.      Hue介绍
7.      运营商全国用户上网记录案例介绍
8.      网上舆情分析

第二部分：大数据平台部署及案例
1. 我们应该选哪种Hadoop？
  1)选哪个版本？为什么？
  2)选哪种发行版本？为什么？
2. 集群硬件应该如何选配？
  1)内存
  2)CPU
  3)硬盘
3. 部署案例讲解
  1)英特尔Hadoop详解
  2)某省级通信运营商清帐单查询系统介绍

第三部分：Hbase列数据库及应用案例
1. Hbase感性认识
  1)Hbase简介
  2)Hbase特点
  3)HBase与RDBMS对比
  4)HBase体系结构
  5)Hbase常见概念
  6)性能优化
2. Hbase主要组成
  7)Zookeeper、Hmaster
  8)HRegionServer、Region
  9)HStore存储、Hfile
  10)Hbase内部扫描RowKey的原理
  11)Hbase内部读写原理
  12)HBase设计原理、架构分析
  13)Hadoop+HBase伸缩性（自动扩容、热部署）
  14)HBase相关表结构设计（列族、列详细分析）
  15)HBase主HMaster与备用HMaster间的切换原理
  16)HBase基本命令介绍
3. 如何使用Hbase？
  17)Hbase的6种使用方式
  18)HBase Shell方式访问；
  19)HBase Java API方式访问；
  20)Hive+Hbase方式访问；
  21)Pig+Hbase方式访问；
4. Hbase+Zookeeper使用配置
  22)Zookeeper简介
  23)Zookeeper与 HBase 的关系
5.      Hbase的RowKey设计原则
6. 项目案例：
  24)HBase在小米业务的应用

第四部分：大数据挖掘介绍与应用案例
1. 大数据挖掘和传统数据挖掘区别？
  1)传统数据挖掘
  2)SPSS Modeler 14.2
  3)SAS简介
  4)Mahout简介
  5)R语言介绍
  6)R语言连接HIVE
2. 算法介绍和应用
  1)关联分析
  2)K-means
  3)决策数据C5.0
  4)逻辑线性Logistic回归
  5)主成分/因子分析
  6)Apriori算法
  7)预测算法
  8)神经网络
  9)协同过滤挖掘算法
3. 项目案例详解
  1)用户行为编好分析
  2)客户流失预测分析
  3)营销产品推荐系统
  4)TF-IDF与余弦相似性的应用