班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
每个班级的人数限3到5人,互动授课, 保障效果,小班授课。 |
上间和地点 |
上部份地点:【上海】同济大学(沪西)/新城金郡商务楼(11号线白银路站)【深圳分部】:电影大厦(地铁一号线大剧院站)/深圳大学成教院【北京分部】:北京中山学院/福鑫大楼【南京分部】:金港大厦(和燕路)【武汉分部】:佳源大厦(高新二路)【成都分部】:领馆区1号(中和大道)【沈阳分部】:沈阳理工大学/六宅臻品【郑州分部】:郑州大学/锦华大厦【石家庄分部】:河北科技大学/瑞景大厦 最近开间(周末班/连续班/晚班):2019年1月26日 |
实验设备 |
◆小班教学,教学效果好 ☆注重质量☆边讲边练 ☆合格学员免费推荐工作 ★实验设备请点击这儿查看★ |
质量保障 |
1、培训过程中,如有部分内容理解不透或消化不好,可免费在以后培训班中重听; 2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供课后答疑。 3、培训合格学员可享受免费推荐就业机会。☆合格学员免费颁发相关工程师等资格证书,提升职业资质。专注高端技术培训15年,端海学员的能力得到大家的认同,受到用人单位的广泛赞誉,端海的证书受到广泛认可。 |
部份程大纲 |
|
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
第一部份
1、【1】:大数据技术基础
1.大数据的产生背景与发展历程 2.大数据的4V特征,以及与云计算的关系 3.大数据应用需求以及潜在价值分析 4.业界最新的大数据技术发展态势与应用趋势 5.大数据思维的转变 6.大数据项目的系统与技术选型,及落地实施的挑战 “互联网+”时代下的电子商务、制造业、交通行业、电信运营商、银行金融业、电子政务、移动互联网、教育信息化等行业应用实践与应用案例介绍
2、【1】:业界主流的大数据技术方案
1.大数据软硬件系统全栈与关键技术介绍 2.大数据生态系统全景图 3.主流的大数据解决方案介绍 4.Apache大数据平台方案剖析 5.CDH大数据平台方案剖析 6.HDP大数据平台方案剖析 7.基于云的大数据平台方案剖析 8.大数据解决方案与传统数据库方案比较 国内外大数据平台方案与厂商对比
3、【1】:大数据计算模型(一)——批处理MapReduce
1.MapReduce产生背景与适用场景 2.MapReduce计算模型的基本原理 3.MapReduce作业执行流程 4.MapReduce基本组件,JobTracker和TaskTracker 5.MapReduce高级编程应用,Combiner和Partitioner 6.MapReduce性能优化技巧 7.MapReduce案例分析与开发实践操作
4、【2】:大数据存储系统与应用实践
1.分布式文件系统HDFS产生背景与适用场景 2.HDFS master-slave系统架构与读写工作原理 3.HDFS核心组件技术讲解,NameNode与fsimage、editslog,DataNode与数据块 4.HDFS Federation机制,viewfs机制,使用场景讲解 5.HDFS高可用保证机制,SecondaryNameNode,NFS冷备份,基于zookeeper的HA方案
5、【2】:大数据实战练习一
1. Hadoop平台搭建、部署与应用实践,包含HDFS分布式文件系统,YARN资源管理软件,MapReduce计算框架软件 2. HDFS shell命令操作 3. MapReduce程序在YARN上运行
第二部份
1、【1】:Hadoop框架与生态发展,以及应用实践操作
1.Hadoop的发展历程 2.Hadoop 1.0的核心组件JobTracker,TaskTracker,以及适用范围 3.Hadoop 2.0的核心组件YARN工作原理,以及与Hadoop 1.0的联系与区别 4.Hadoop YARN的资源管理与作业调度机制 5.Hadoop 常用性能优化技术
2、【1】:大数据计算模型(二)——实时处理/内存计算 Spark
1.MapReduce计算模型的瓶颈 2.Spark产生动机、基本概念与适用场景 3.Spark编程模型与RDD弹性分布式数据集的工作原理与机制 4.Spark实时处理平台运行架构与核心组件 5.Spark宽、窄依赖关系与DAG图分析 6.Spark容错机制 7.Spark作业调度机制 8.Spark standardalone,Spark on YARN运行模式 9.Scala开发介绍与Spark常用Transformation函数介绍
3、【2】:大数据仓库查询技术Hive、SparkSQL、Impala,以及应用实践
1.基于MapReduce的大型分布式数据仓库Hive基础知识与应用场景 2.Hive数据仓库的平台架构与核心技术剖析 3.Hive metastore的工作机制与应用 4.Hive 分区、分桶机制,Hive行、列存储格式 5.基于Spark的大型分布式数据仓库SparkSQL基础知识与应用场景 6.Spark SQL实时数据仓库的实现原理与工作机制 7.SparkSQL程序开发与DataFrame机制介绍 8.基于MPP的大型分布式数据仓库Impala基础知识与应用场景 9.Impala实时查询系统平台架构、关键技术介绍,以及与Hive,SparkSQL的对比
4、【2】:Hadoop集群运维监控工具
1.Hadoop运维管理监控系统Ambari工具介绍 2. 第三方运维系统与工具Ganglia, Nagios
5、【2】:大数据实战练习二
1.基于 Hadoop平台搭建、部署与配置Spark集群,Spark shell环境实践,Spark案例程序分析,Spark程序开发与运行 2. 基于MapReduce的Hive数据仓库实践,Hive集群安装部署,基于文件的Hive数据仓库表导入导出与分区操作,Hive SQL操作,Hive客户端操作 3. 基于Hive的SparkSQL shell实践操作
第三部份
1、【1】:大数据计算模型(三)——流处理Storm, SparkStreaming
1.流数据处理应用场景与流数据处理的特点 2.流数据处理工具Storm的平台架构与集群工作原理 3.Storm关键技术与并发机制 4.Storm编程模型与基本开发模式 5.Storm数据流分组 6.Storm可靠性保证与Acker机制 7.Storm应用案例分析 8.流数据处理工具Spark Streaming基本概念与数据模型 9.SparkStreaming工作机制 10.SparkStreaming程序开发介绍 11.Storm与SparkStreaming的对比
2、【2】:大数据ETL操作工具,与大数据分布式采集系统
1.Hadoop与DBMS之间数据交互工具的应用 2.Sqoop导入导出数据的工作原理 3.Flume-NG数据采集系统的数据流模型与系统架构 4.Kafka分布式消息订阅系统的应用介绍与平台架构,及其使用模式
3、【2】:面向OLTP型应用的NoSQL数据库及应用实践
1.关系型数据库瓶颈,以及NoSQL数据库的发展,概念,分类,及其在半结构化和非结构化数据场景下的适用范围 2.列存储NoSQL数据库HBase简介与数据模型剖析 3.HBase分布式集群系统架构与读写机制,ZooKeeper分布式协调服务系统的工作原理与应用 4.HBase表设计模式与primary key设计规范 5.文档NoSQL数据库MongoDB简介与数据模型剖析 6.MongoDB集群模式、读写机制与常用API操作 8.键值型NoSQL数据库Redis简介与数据模型剖析 9.Redis多实例集群架构与关键技术 10.NewSQL数据库技术简介及其适用场景
4、【2】:大数据实战练习三
1.Sqoop安装、部署与配置,基于Sqoop、MySQL与Hive操作MySQL数据库与Hive数据仓库数据导入导出 2.Kafka安装、部署与配置,基于Kafka创建和消费topic实践操作 3.Flume+HDFS+MapReduce/Spark大数据采集、存储与分析实践操作
5、【2】:大数据项目选型、实施、优化等问题交流讨论
大数据项目的需求分析、应用实施、系统优化,以及解决方案等咨询与交流讨论10053事件 9.CBO和RBO介绍 10.数据访问方法
2、【2】:Oracle数据库调优(六)
1.收集统计信息 2.SQL执行计划 3.修改参数值影响CBO生成的执行计划,通过hints直接强制执行计划 4.使用Sql tunning advisor自动分析语句性能 5.使用Sql access advisor自动分析语句 6.SQL语句并行处理 7.稳定调整好的语句执行计划 8.通过存储概要确保执行计划的稳定性 9.通过存储计划基线确保执行计划的稳定性
|