主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控及分析培訓(xùn)（北京，3月13-15日）
【舉辦單位】北京曼頓培訓(xùn)網(wǎng) www.mdpxb.com 中國培訓(xùn)資訊網(wǎng) www.e71edu.com
【咨詢電話】4006820825 010-56133998 13810210257
【培訓(xùn)日期】2019年3月13-15日
【培訓(xùn)地點(diǎn)】北京
【培訓(xùn)對象】
1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。
2，牽涉到主流大數(shù)據(jù)系統(tǒng)分析建模的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。
3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。
4，高校、科研院所牽涉到主流大數(shù)據(jù)系統(tǒng)應(yīng)用的項(xiàng)目負(fù)責(zé)人。
5，對大數(shù)據(jù)系統(tǒng)性能監(jiān)控及分析感興趣的人員。

【課程背景】
隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實(shí)地迎來了一個(gè)大數(shù)據(jù)的時(shí)代。如何對海量數(shù)據(jù)進(jìn)行挖掘和分析，已經(jīng)成為一個(gè)非常重要且緊迫的需求。
從2008年Natural正式定義“大數(shù)據(jù)”開始，以Hadoop為代表的大數(shù)據(jù)處理和分析工具，以其可伸縮性、健壯性、計(jì)算性能和成本上具有無可替代的優(yōu)勢，事實(shí)上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流數(shù)據(jù)分析平臺(tái)。大數(shù)據(jù)相關(guān)技術(shù)最近幾年出現(xiàn)了井噴的趨勢，眾多技術(shù)紛紛出現(xiàn)，典型的系統(tǒng)包括Hadoop、Spark、SparkSQL、Hive、HBase、Kafka、Streaming、Parquet、ElasticSearch、Mahout、MLlib、Docker等，涵蓋網(wǎng)絡(luò)數(shù)據(jù)爬取、日志采集、分布式消息訂閱、大數(shù)據(jù)分析挖掘等方面，涉及離線批處理、實(shí)時(shí)處理、流式處理等多種處理方式。
面對如此眾多的新技術(shù)，如何利用這些流行的大數(shù)據(jù)產(chǎn)品，構(gòu)成一個(gè)大數(shù)據(jù)系統(tǒng)，如何監(jiān)控其性能，性能指標(biāo)如何分析，性能問題如何定位和解決，成為一個(gè)緊迫的亟待解決的問題。
為解決廣大系統(tǒng)設(shè)計(jì)人員深入研究與開發(fā)主流大數(shù)據(jù)系統(tǒng)，解決廣大系統(tǒng)設(shè)計(jì)人員深入分析及性能監(jiān)控的需要，培訓(xùn)中心特舉辦“主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控及分析”培訓(xùn)班

【課程目標(biāo)】
1、全面了解主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控技術(shù)的相關(guān)知識(shí)。
2、學(xué)習(xí)主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控方法以及應(yīng)用特征。
3、學(xué)習(xí)使用主流大數(shù)據(jù)系統(tǒng)以及在數(shù)據(jù)分析中的使用。
4、了解主流大數(shù)據(jù)系統(tǒng)的技術(shù)融合。

【學(xué)員基礎(chǔ)】
1，對IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
2，對大數(shù)據(jù)分析和數(shù)據(jù)處理方法有一定的基礎(chǔ)知識(shí)。
3，對Hadoop/Spark等大數(shù)據(jù)技術(shù)有一定的了解。

【培訓(xùn)要點(diǎn)】
互聯(lián)網(wǎng)點(diǎn)擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動(dòng)數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類評論，成為了海量信息的多種形式。當(dāng)數(shù)據(jù)以成百上千TB不斷增長的時(shí)候，我們在內(nèi)部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)分析的決策模型和技術(shù)支持。
大數(shù)據(jù)處理技術(shù)涉及各行各業(yè)，包含離線批處理、實(shí)時(shí)處理、流式處理等多種處理方式，大數(shù)據(jù)處理和分析工具，對系統(tǒng)的可伸縮性、健壯性、計(jì)算性能和成本上有不同的要求，這導(dǎo)致了大數(shù)據(jù)技術(shù)必須涵蓋網(wǎng)絡(luò)數(shù)據(jù)爬取、日志采集、分布式消息訂閱、大數(shù)據(jù)分析挖掘等方面，目前典型的系統(tǒng)包括Hadoop、Spark、SparkSQL、Hive、HBase、Kafka、SparkStreaming、Parquet、ElasticSearch、Mahout、MLlib、Docker等，這些技術(shù)來源于國外不同的著名大公司和科研院校，且大都開源方式公開，用于解決不同的應(yīng)用需求，涉及面廣，技術(shù)要求高，交叉知識(shí)范圍廣，知識(shí)內(nèi)容更新頻繁，要厘清其中的關(guān)系，從中發(fā)現(xiàn)最適合本單位的技術(shù)，成為了目前各單位技術(shù)專家的一個(gè)難點(diǎn)。
本課程教學(xué)過程中還從國內(nèi)外經(jīng)典大數(shù)據(jù)應(yīng)用中，提取了大量的案例分析來幫助學(xué)員了解大數(shù)據(jù)前沿相關(guān)新技術(shù)，并介紹了從海量數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息的關(guān)鍵，目標(biāo)是協(xié)助各單位研究人員，對前沿主流大數(shù)據(jù)技術(shù)有一個(gè)Overview，在此基礎(chǔ)上幫助各單位技術(shù)專家準(zhǔn)確定位和發(fā)現(xiàn)相關(guān)的大數(shù)據(jù)平臺(tái)和工具。
本課程不是一個(gè)泛泛的理論性、概念性的介紹課程，而是針對問題討論解決方案的深入課程。教師對于上述領(lǐng)域有深入的理論研究與實(shí)踐經(jīng)驗(yàn)，在課程中將會(huì)針對這些問題與學(xué)員一起進(jìn)行研究，在關(guān)鍵點(diǎn)上還會(huì)搭建實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)踐演練，加深對于這些解決方案的理解。通過本課程學(xué)習(xí)，希望推動(dòng)大數(shù)據(jù)應(yīng)用開發(fā)上升到一個(gè)新水平。

【課程大綱】
第一講 大數(shù)據(jù)技術(shù)基礎(chǔ)
1）大數(shù)據(jù)應(yīng)用需求及潛在價(jià)值分析
2）大數(shù)據(jù)與數(shù)據(jù)庫解決方案的對比
3）國內(nèi)外主流的大數(shù)據(jù)解決方案
4）開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析
5）大數(shù)據(jù)下的技術(shù)選型與架構(gòu)設(shè)計(jì)
第二講 批處理大數(shù)據(jù)平臺(tái)Hadoop
1）Hadoop及其運(yùn)行架構(gòu)
2）HDFS分布式文件系統(tǒng)
3）MapReduce計(jì)算模型
4）HBase大表管理技術(shù)
5）Hadoop平臺(tái)使用和實(shí)操
6) Hadoop性能監(jiān)控及分析
第三講 快速大數(shù)據(jù)平臺(tái)Spark
1) Spark快速處理技術(shù)
2)彈性分布式數(shù)據(jù)集RDD
3) Spark分布式計(jì)算框架
4) Spark的BDAS生態(tài)系統(tǒng)
5) Spark平臺(tái)使用和實(shí)操
6)Spark性能監(jiān)控及分析
第四講 流式實(shí)時(shí)大數(shù)據(jù)平臺(tái)Streaming
1) 實(shí)時(shí)流數(shù)據(jù)處理工具Streaming
2) Spark Streaming原理
3) Spark Streaming架構(gòu)
4) Spark Streaming實(shí)例
5) Spark Streaming性能監(jiān)控及分析
第五講 云數(shù)據(jù)處理工具HBase
1) NoSQL技術(shù)及云數(shù)據(jù)庫介紹
2) HBase列數(shù)據(jù)存儲(chǔ)機(jī)制
3) HBase數(shù)據(jù)處理機(jī)制分析
4) HBase高并發(fā)讀/寫實(shí)現(xiàn)及案例
5) HBase性能監(jiān)控及分析
第六講 Hive及大數(shù)據(jù)中的SQL工具
1) 大數(shù)據(jù)中的類SQL工具
2) Hive設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型
3) Hive關(guān)鍵性技術(shù)分析
4) Hive數(shù)據(jù)操作和案例
5) Hive性能監(jiān)控及分析
第七講 SparkSQL類SQL工具
1) Spark SQL和BDAS數(shù)據(jù)分析棧
2) SparkSQL設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型
3) Spark SQL數(shù)據(jù)操作
4) SparkSQL關(guān)鍵性技術(shù)和案例
5) SparkSQL性能監(jiān)控及分析
第八講 分布式消息訂閱工具Kafka
1) Kafka應(yīng)用介紹
2) Kafka平臺(tái)架構(gòu)
3) Kafka集群部署與配置
4) Kafka應(yīng)用案例實(shí)操
5) Kafka性能監(jiān)控及分析
第九講 大數(shù)據(jù)存儲(chǔ)格式Parquet
1) 大數(shù)據(jù)存儲(chǔ)格式的要求
2) Parquet文件格式介紹
3) Parquet的組成分析
4) Parquet的應(yīng)用情況
5) Parquet性能監(jiān)控及分析
第十講 大數(shù)據(jù)分析挖掘工具
1）大數(shù)據(jù)挖掘及知識(shí)模型的發(fā)現(xiàn)
2）大數(shù)據(jù)挖掘工具M(jìn)ahout和MLlib
3）推薦方法及MLlib電影推薦案例
4）分類方法及Mahout新聞分類案例
5）聚類方法及K-Means聚類案例
第十一講 Elasticsearch搜索分析工具
1) 全文檢索與Elasticsearch工具
2) Elasticsearch索引及檢索
3) Elasticsearch信息擴(kuò)展索引結(jié)構(gòu)
4) ELK和Elasticsearch集群
5) Elasticsearch性能監(jiān)控及分析
第十二講 資源虛擬化工具Docker
1）虛擬化和容器技術(shù)
2）LXC和Docker的發(fā)展
3）Docker架構(gòu)及特性
4）鏡像、容器和倉庫
5）Docker的執(zhí)行及其案例實(shí)操
第十三講 大數(shù)據(jù)技術(shù)展望
1）大數(shù)據(jù)分析技術(shù)展望
2）大數(shù)據(jù)平臺(tái)的發(fā)展展望
3）大數(shù)據(jù)挖掘的應(yīng)用展望

六、培訓(xùn)目標(biāo)
1、全面了解主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控技術(shù)的相關(guān)知識(shí)。
2、學(xué)習(xí)主流大數(shù)據(jù)系統(tǒng)的性能監(jiān)控方法以及應(yīng)用特征。
3、學(xué)習(xí)使用主流大數(shù)據(jù)系統(tǒng)以及在數(shù)據(jù)分析中的使用。
4、了解主流大數(shù)據(jù)系統(tǒng)的技術(shù)融合。

【講師介紹】
楊老師，曼頓培訓(xùn)網(wǎng)(www.mdpxb.com)資深講師。主要研究網(wǎng)絡(luò)信息分析以及云計(jì)算相關(guān)技術(shù)，長期從事人工智能、大數(shù)據(jù)處理、云計(jì)算以及數(shù)據(jù)分析決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個(gè)國家和省部級基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。

【費(fèi)用及報(bào)名】
1、費(fèi)用：培訓(xùn)費(fèi)5900元（含培訓(xùn)費(fèi)、講義費(fèi)）；如需食宿，會(huì)務(wù)組可統(tǒng)一安排,費(fèi)用自理。
2、報(bào)名咨詢：4006820825 010-56133998 56028090 13810210257 鮑老師
3、報(bào)名流程：電話登記-->填寫報(bào)名表-->發(fā)出培訓(xùn)確認(rèn)函
4、備注：如課程已過期，請?jiān)L問我們的網(wǎng)站，查詢最新課程
5、詳細(xì)資料請?jiān)L問北京曼頓培訓(xùn)網(wǎng)：www.mdpxb.com (每月在全國開設(shè)四百多門公開課，歡迎報(bào)名學(xué)習(xí))