Hadoop大數(shù)據(jù)平臺開發(fā)與案例分析高級工程師實戰(zhàn)（杭州，7月21-24日）
【舉辦單位】北京曼頓培訓(xùn)網(wǎng) www.mdpxb.com
【咨詢電話】4006820825 010-56133998 13810210257
【培訓(xùn)日期】
杭州，2020年7月21-24日；成都，2020年8月19-22日
深圳，2020年11月20-23日；北京，2020年12月20-23日
【培訓(xùn)地點】杭州、成都、深圳、北京
【培訓(xùn)對象】各地企事業(yè)單位大數(shù)據(jù)產(chǎn)業(yè)相關(guān)人員，運營商 IT信息化和運維工程師相關(guān)人員，金融業(yè)信息化相關(guān)人員，或?qū)Υ髷?shù)據(jù)感興趣的相關(guān)人員。

【課程背景】
1.需求理解
Hadoop 設(shè)計之初的目標就定位于高可靠性、高可拓展性、高容錯性和高效性，正是這些設(shè)計上與生俱來的優(yōu)點，才使得Hadoop 一出現(xiàn)就受到眾多大公司的青睞，同時也引起了研究界的普遍關(guān)注。
對電信運營商而言,用戶上網(wǎng)日志包含了大量用戶個性化需求、喜好信息,對其進行分析和挖掘,能更好地了解客戶需求。傳統(tǒng)經(jīng)營分析系統(tǒng)小型機加關(guān)系型數(shù)據(jù)庫的架構(gòu)無法滿足對海量非結(jié)構(gòu)化數(shù)據(jù)的處理需求,搭建基于X86的Hadoop 平臺,引入大數(shù)據(jù)處理技術(shù)的方式,實現(xiàn)高效率、低成本、易擴展的經(jīng)營分析系統(tǒng)混搭架構(gòu)成為電信運營商最為傾向的選擇。本課程將全面介紹Hadoop平臺開發(fā)和運維的各項技術(shù)，對學(xué)員使用該項技術(shù)具有很高的應(yīng)用價值。

【課程架構(gòu)與設(shè)計思路】
（1）培訓(xùn)架構(gòu)：
本課程分為三個主要部分：
第一部分：重點講述大數(shù)據(jù)技術(shù)在的應(yīng)用，使學(xué)員對大數(shù)據(jù)技術(shù)的廣泛應(yīng)用有清晰的認識，在這環(huán)節(jié)當(dāng)中會重點介紹Hadoop技術(shù)在整個大數(shù)據(jù)技術(shù)應(yīng)用中的重要地位和應(yīng)用情況。
第二部分：具體對hadoop技術(shù)進行模塊化分拆，從大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用談起，介紹Hadoop技術(shù)各主要應(yīng)用工具和方法，以及在運維維護當(dāng)中的主流做法，使學(xué)員全面了解和掌握Hadoop技術(shù)的精華。
第三部分：重點剖析大數(shù)據(jù)的應(yīng)用案例，使學(xué)員在案例當(dāng)中對該項技術(shù)有更深入的感觀印象
（2）設(shè)計思路：
本課程采用模塊化教學(xué)方法，以案例分析為主線，由淺入深、循序漸進、由理論到實踐操作進行設(shè)計。
（3）與企業(yè)的貼合點：
本課程結(jié)合企業(yè)轉(zhuǎn)型發(fā)展及大數(shù)據(jù)發(fā)展戰(zhàn)略，圍繞企業(yè)大數(shù)據(jù)業(yè)務(wù)及行業(yè)應(yīng)用市場拓展發(fā)展目標，重點講授Hadoop的應(yīng)用技術(shù)，提升企業(yè)IT技術(shù)人員的開發(fā)和運維能力，有很強的貼合度。

【培訓(xùn)目標】
掌握大數(shù)據(jù)處理平臺（Hadoop、Spark、Storm）技術(shù)架構(gòu)、以及平臺的安裝部署、運維配置、應(yīng)用開發(fā)；掌握主流大數(shù)據(jù)Hadoop平臺和Spark實時處理平臺的技術(shù)架構(gòu)和實際應(yīng)用；利用Hadoop+Spark對行業(yè)大數(shù)據(jù)進行存儲管理和分析挖掘的技術(shù)應(yīng)用；講解Hadoop生態(tài)系統(tǒng)組件，包括Storm，HDFS，MapReduce，HIVE，HBase，Spark，GraphX，MLib，Shark， ElasticSearch等大數(shù)據(jù)存儲管理、分布式數(shù)據(jù)庫、大型數(shù)據(jù)倉庫、大數(shù)據(jù)查詢與搜索、大數(shù)據(jù)分析挖掘與分布式處理技術(shù)

【課程大綱】
第一天 上午
第一部分：移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算相關(guān)技術(shù)介紹
第二部分：大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向
理論講授+案例分析

下午
第三部分：大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用
第四部分：Hadoop文件系統(tǒng)HDFS最佳實戰(zhàn)
理論講授+案例分析+小組討論
第二天
上午
第五部分：Hadoop運維管理與性能調(diào)優(yōu)
第六部分：NOSQL數(shù)據(jù)庫Hbase與Redis
理論講授+案例分析+實戰(zhàn)演練
下午
第七部分：類SQL語句工具——Hive
第八部分：數(shù)據(jù)挖掘SPARK建�；�礎(chǔ)介紹
理論講授+案例分析+實戰(zhàn)演練
第三天
上午
第九部分：Kafka基礎(chǔ)介紹
第十部分：大數(shù)據(jù)典型應(yīng)用與開發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運營 理論講授+案例分析

下午
第十一部分：當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國內(nèi)外運營商、互聯(lián)網(wǎng)公司為例
第十二部分：課程總結(jié)與問題答疑
評估培訓(xùn)
理論講授+案例分析+小組討論

模塊一 移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算相關(guān)技術(shù)介紹
1、數(shù)據(jù)中心與云計算技術(shù)應(yīng)用
2、智慧城市與云計算技術(shù)應(yīng)用
3、移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算關(guān)聯(lián)技術(shù)
4、移動云計算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈
5、大數(shù)據(jù)技術(shù)在運營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實踐
6、國內(nèi)外主流的大數(shù)據(jù)解決方案介紹
7、當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較
8、Cloudera Hadoop 大數(shù)據(jù)平臺方案剖析
9、開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析
模塊二 大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向
1、大數(shù)據(jù)時代的挑戰(zhàn)
■戰(zhàn)略決策能力
■技術(shù)開發(fā)和數(shù)據(jù)處理能力
■組織和運營能力
2、大數(shù)據(jù)時代的發(fā)展方向
■云計算是基礎(chǔ)設(shè)施架構(gòu)
■大數(shù)據(jù)是靈魂資產(chǎn)
■分析、挖掘是手段
■發(fā)現(xiàn)和預(yù)測是最終目標
3、大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況
■電信行業(yè)應(yīng)用及案例分析
■互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析
■金融行業(yè)應(yīng)用及案例研究
■銷售行業(yè)應(yīng)用案例分析
課程模塊 課程主題 主要內(nèi)容及案例和演示
模塊一 移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算相關(guān)技術(shù)介紹 1、數(shù)據(jù)中心與云計算技術(shù)應(yīng)用
2、智慧城市與云計算技術(shù)應(yīng)用
3、移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算關(guān)聯(lián)技術(shù)
4、移動云計算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈
5、大數(shù)據(jù)技術(shù)在運營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實踐
6、國內(nèi)外主流的大數(shù)據(jù)解決方案介紹
7、當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較
8、Cloudera Hadoop 大數(shù)據(jù)平臺方案剖析
9、開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析
模塊二 大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向 1、大數(shù)據(jù)時代的挑戰(zhàn)
■戰(zhàn)略決策能力
■技術(shù)開發(fā)和數(shù)據(jù)處理能力
■組織和運營能力
2、大數(shù)據(jù)時代的發(fā)展方向
■云計算是基礎(chǔ)設(shè)施架構(gòu)
■大數(shù)據(jù)是靈魂資產(chǎn)
■分析、挖掘是手段
■發(fā)現(xiàn)和預(yù)測是最終目標
3、大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況
■電信行業(yè)應(yīng)用及案例分析
■互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析
■金融行業(yè)應(yīng)用及案例研究
■銷售行業(yè)應(yīng)用案例分析
模塊三 大數(shù)據(jù)文件存儲系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺及其應(yīng)用 1、Hadoop的發(fā)展歷程
■Hadoop大數(shù)據(jù)平臺架構(gòu)
■基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制
■Hadoop 的核心組件剖析
2、分布式文件系統(tǒng)HDFS
■概述、功能、作用、優(yōu)勢
■應(yīng)用范疇、應(yīng)用現(xiàn)狀
■發(fā)展趨勢
3、分布式文件系統(tǒng)HDFS架構(gòu)及原理
■核心關(guān)鍵技術(shù)
■設(shè)計精髓
■基本工作原理
■系統(tǒng)架構(gòu)
■文件存儲模式
■工作機制
■存儲擴容與吞吐性能擴展
4、分布式文件系統(tǒng)HDFS操作
■SHELL命令操作
■I/O流式操作
■文件數(shù)據(jù)讀取、寫入、追加、刪除
■文件狀態(tài)查詢
■數(shù)據(jù)塊分布機制
■數(shù)據(jù)同步與一致性
■元數(shù)據(jù)管理技術(shù)
■主節(jié)點與從節(jié)點工作機制
■大數(shù)據(jù)負載均衡技術(shù)
■HDFS大數(shù)據(jù)存儲集群管理技術(shù)
5、Hadoop生態(tài)系統(tǒng)組件
■Storm
■HDFS
■MapReduce
■HIVE
■HBase
■Spark
■GraphX
■MLib
■Shark
模塊四 Hadoop文件系統(tǒng)HDFS最佳實戰(zhàn)
1、HDFS的設(shè)計
2、HDFS的概念
■數(shù)據(jù)塊
■namenode和datanode
■聯(lián)邦HDFS
■HDFS的高可用性
3、命令行接口
4、Hadoop文件系統(tǒng)
5、Java接口
■從Hadoop URL讀取數(shù)據(jù)
■通過FileSystem API讀取數(shù)據(jù)
■寫入數(shù)據(jù)
■目錄
■查詢文件系統(tǒng)
■刪除數(shù)據(jù)
6、數(shù)據(jù)流
■剖析文件讀取
■剖析文件寫入
■一致模型
7、通過Flume和Sqoop導(dǎo)入數(shù)據(jù)
8、通過distcp并行復(fù)制
9、Hadoop存檔
■使用Hadoop存檔工具
■不足
模塊五 Hadoop運維管理與性能調(diào)優(yōu)
1、第二代大數(shù)據(jù)處理框架
■Yarn的工作原理及
■DAG并行執(zhí)行機制
■Yarn大數(shù)據(jù)分析處理案例分析
■Yarn 框架并行應(yīng)用程序?qū)嵺`
2、集群配置管理
■Hadoop集群配置
■Hadoop性能調(diào)優(yōu)與參數(shù)配置
■Hadoop機架感知策略與配置
■Hadoop壓縮機制
■Hadoop任務(wù)負載均衡
■Hadoop 集群維護
■Hadoop監(jiān)控管理
3、HDFS的靜態(tài)調(diào)優(yōu)技巧
■HDFS 的高吞吐量I/O性能調(diào)優(yōu)技巧
■MapReduce/Yarn的并行處理性能調(diào)優(yōu)技巧
■Hadoop集群的運行故障剖析，以及解決方案
■基于Hadoop大數(shù)據(jù)應(yīng)用程序的性能瓶頸剖析與提
■Hadoop 大數(shù)據(jù)運維監(jiān)控管理系統(tǒng) HUE 平臺的安裝部署與應(yīng)用配置
■Hadoop運維管理監(jiān)控系統(tǒng)Ambari平臺的安裝部配置
■Hadoop 集群運維系統(tǒng) Ganglia, Nagios的安裝部署與應(yīng)用配置
模塊六 NOSQL數(shù)據(jù)庫Hbase與Redis
1、NOSQL基礎(chǔ)
■CAP理論
■Base與ACID
■NOSQL數(shù)據(jù)庫存儲類型
鍵值存儲
列存儲
文檔存儲
圖形存儲
2、HBase分布式數(shù)據(jù)基礎(chǔ)
3、安裝Hbase
4、Hbase應(yīng)用
■HBase的邏輯數(shù)據(jù)模型，HBase的表、行、列族、列、單元格、版本、row key排序
■HBase的物理模型，命名空間（表空間）、表模式（Schema）的設(shè)計法則
■HBase 主節(jié)點HMaster的工作原理，HMaster的高可用配置，以及性能調(diào)優(yōu)
■HBase 從節(jié)點RegionServer（分區(qū)服務(wù)節(jié)點）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu)
■HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析
■HBase表設(shè)計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作
■HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化
5、HBase分布式數(shù)據(jù)庫簡介、發(fā)展歷程、應(yīng)用場景、工作原理、以及應(yīng)用優(yōu)勢與不足之處
■HBase分布式數(shù)據(jù)庫集群的主從式平臺架構(gòu)和關(guān)鍵技術(shù)剖析
■HBase偽分布式和物理集群分布式的控制與運行配置
■HBase從節(jié)點RegionServer（分區(qū)服務(wù)節(jié)點）的工作原理，表分區(qū)及存儲I/O高并發(fā)配置，以及性能調(diào)優(yōu)
■HBase的存儲引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲結(jié)構(gòu)，以及HFile存儲結(jié)構(gòu)剖析
■HBase表設(shè)計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理操作
■HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化
■ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺架構(gòu)、集群部署應(yīng)用實戰(zhàn)
■ZooKeeper集群的原理架構(gòu)，以及應(yīng)用配置
6、Redis內(nèi)存數(shù)據(jù)庫介紹，以及業(yè)界應(yīng)用案例
■Redis內(nèi)存數(shù)據(jù)庫集群架構(gòu)以及核心技術(shù)剖析
■Redis 集群的安裝部署與應(yīng)用開發(fā)實戰(zhàn)
模塊七 類SQL語句工具——Hive
1、安裝Hive
2、示例
3、運行Hive
■配置Hive
■Hive服務(wù)
■Metastore
4、Hive與傳統(tǒng)數(shù)據(jù)庫相比
■讀時模式vs.寫時模式
■更新、事務(wù)和索引
5、HiveQL
■數(shù)據(jù)類型
■操作與函數(shù)
6、表
■托管表和外部表
■分區(qū)和桶
■存儲格式
■導(dǎo)入數(shù)據(jù)
■表的修改
■表的丟棄
7、查詢數(shù)據(jù)
■排序和聚集
■MapReduce腳本
■連接
■子查詢
■視圖
8、用戶定義函數(shù)
■寫UDF
■寫UDAF
模塊八 數(shù)據(jù)挖掘SPARK建�；�礎(chǔ)介紹
1、Spark簡介
■Spark是什么
■Spark生態(tài)系統(tǒng)BDAS
2、Spark架構(gòu)
■Spark分布式架構(gòu)與單機多核架構(gòu)的異同
3、Spark集群的安裝與部署
■Spark的安裝與部署
■Spark集群初試
4、Spark硬件配置
■Spark硬件
■Spark硬件配置流程
模塊九 Kafka基礎(chǔ)介紹
1、Kafka介紹
2、kafka體系結(jié)構(gòu)
3、kafka設(shè)計理念簡介
4、kafka通信協(xié)議
5、kafka的偽分布安裝、集群安裝
6、kafka的shell操作、java操作
7、kafka設(shè)計理念*
8、kafka producer和consumer開發(fā)
9、Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn)
10、Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型、平臺架構(gòu)、集群部署與配置應(yīng)用實戰(zhàn)
11、Hadoop與DBMS之間數(shù)據(jù)交互工具Sqoop的應(yīng)用實踐，
12、Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)以及Sqoop集群部署與配置
13、Kettle 集群的平臺架構(gòu)、核心技術(shù)、部署配置和應(yīng)用實戰(zhàn)
14、利用Sqoop實現(xiàn) MySQL 與 Hadoop 集群之間
模塊十 大數(shù)據(jù)典型應(yīng)用與開發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運營
1、案例1：貴州數(shù)據(jù)交易中心
■交易所交易形式：電子交易
■交易所服務(wù)：大數(shù)據(jù)交易、大數(shù)據(jù)清洗建模分析、大數(shù)據(jù)定向采購、大數(shù)據(jù)平臺技術(shù)開發(fā)
■大數(shù)據(jù)交易安全性探討分析
■數(shù)據(jù)交易中心商業(yè)模式探討分析
2、案例2：大數(shù)據(jù)應(yīng)用案例：公共交通線路的智能規(guī)劃
■UrbanInsights：為公交公司提供基于訂閱訪問的大數(shù)據(jù)工具以及大數(shù)據(jù)咨詢服務(wù)
■Urban Insights數(shù)據(jù)源、數(shù)據(jù)收集、數(shù)據(jù)倉庫、數(shù)據(jù)分析——設(shè)計運營線路
■Urban Insights通過互聯(lián)網(wǎng)數(shù)據(jù)的運營
3、討論：浙江移動大數(shù)據(jù)應(yīng)用與開發(fā)方向
模塊十一 當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國內(nèi)外運營商、互聯(lián)網(wǎng)公司為例
1、流商業(yè)大數(shù)據(jù)解決方案比較
2、主流開源云計算系統(tǒng)比較?
3、國內(nèi)外代表性大數(shù)據(jù)平臺比較?
4、各廠商最新的大數(shù)據(jù)產(chǎn)品介紹
5、案例分析
■Facebook的SNS平臺應(yīng)用
■Google的搜索引擎應(yīng)用
■Rackspace的日志處理
■Verizon成立精準市場營銷部
■TelefonicaDynamicInsights推出的名為“智慧足跡”的商業(yè)服務(wù)
■中國聯(lián)通的“移動通信用戶上網(wǎng)記錄集中查詢與分析支撐系統(tǒng)”

【講師介紹】
張老師,曼頓培訓(xùn)網(wǎng)(www.mdpxb.com )資深講師。 阿里大數(shù)據(jù)高級專家，國內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家，對HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進行了多年的深入的研究，更主要的是這些技術(shù)在大量的實際項目中得到廣泛的應(yīng)用，因此在Hadoop開發(fā)和運維方面積累了豐富的項目實施經(jīng)驗。近年主要典型的項目有：某電信集團網(wǎng)絡(luò)優(yōu)化、中國移動某省移動公司請賬單系統(tǒng)和某省移動詳單實時查詢系統(tǒng)、中國銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運營商全國用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺項目等。

【費用及報名】
1、費用：培訓(xùn)費6800元（含培訓(xùn)費、講義費）；如需食宿，會務(wù)組可統(tǒng)一安排,費用自理。
2、報名咨詢：4006820825 010-56133998 56028090 13810210257 鮑老師
3、報名流程：電話登記-->填寫報名表-->發(fā)出培訓(xùn)確認函
4、備注：如課程已過期，請訪問我們的網(wǎng)站，查詢最新課程
5、詳細資料請訪問北京曼頓培訓(xùn)網(wǎng)：www.mdpxb.com (每月在全國開設(shè)四百多門公開課，歡迎報名學(xué)習(xí))