我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

根據(jù)黨中央和國務院“互聯(lián)網(wǎng)+”行動計劃戰(zhàn)略布局，落實國務院促進大數(shù)據(jù)發(fā)展行動綱要，響應工業(yè)和信息化部培養(yǎng)大數(shù)據(jù)技術高端人才的號召,中國信息化培訓中心特推出了大數(shù)據(jù)平臺搭建與高性能計算實戰(zhàn)課程培訓班。通過專業(yè)的大數(shù)據(jù)技術架構體系與業(yè)界真實案例來全面提升大數(shù)據(jù)項目高管、大數(shù)據(jù)平臺架構師，以及大數(shù)據(jù)開發(fā)工程師與大數(shù)據(jù)應用設計人員的專業(yè)水平，旨在培養(yǎng)專業(yè)的大數(shù)據(jù)技術架構專家，培養(yǎng)大數(shù)據(jù)技術和應用創(chuàng)新型人才，促進大數(shù)據(jù)技術在各行業(yè)內部及跨行業(yè)進行實施應用，以及企事業(yè)單位的大數(shù)據(jù)項目開發(fā)和落地，并利用大數(shù)據(jù)提升競爭力優(yōu)勢。

培訓特色

1.課程培訓業(yè)界最流行、應用最廣泛的Hadoop與Spark大數(shù)據(jù)技術體系。

強化大數(shù)據(jù)平臺的分布式集群架構和核心關鍵技術實現(xiàn)、大數(shù)據(jù)應用項目開發(fā)和大數(shù)據(jù)集群運維實踐、以及Hadoop與Spark大數(shù)據(jù)項目應用開發(fā)與調優(yōu)的全過程沙盤模擬實戰(zhàn)。

2.通過一個完整的大數(shù)據(jù)開發(fā)項目及一組實際項目訓練案例，完全覆蓋Hadoop與Spark生態(tài)系統(tǒng)平臺的應用開發(fā)與運維實踐。課堂實踐項目以項目小組的形式進行沙盤實操練習，重點強化理解Hadoop與Spark大數(shù)據(jù)項目各個階段的工作重點，同時掌握作為大數(shù)據(jù)項目管理者的基本技術與業(yè)務素養(yǎng)。

3.本課程的授課師資都是有著多年在一線從事Hadoop與Spark大數(shù)據(jù)項目的資深講師，采用原理技術剖析和實戰(zhàn)案例相結合的方式開展互動教學、強化以建立大數(shù)據(jù)項目解決方案為主體的應用開發(fā)、技術討論與交流咨詢，在學習的同時促進講師學員之間的交流，讓每個學員都能在課程培訓過程中學到實實在在的大數(shù)據(jù)技術知識體系，以及大數(shù)據(jù)技術應用實戰(zhàn)技能，具備實際大數(shù)據(jù)應用項目的動手開發(fā)實踐與運維管理部署能力。授課過程中，根據(jù)學員需求，增設交流環(huán)節(jié)，可將具體工作中遇到的實際問題展開討論，講師會根據(jù)學員的實際情況微調授課內容，由講師帶著全部學員積極討論，并給出一定的時間讓學員上臺發(fā)言，現(xiàn)場剖析問題的癥結，規(guī)劃出可行的解決方案。

培訓目標

1.深刻理解在“互聯(lián)網(wǎng)+”時代下大數(shù)據(jù)的產生背景、發(fā)展歷程和演化趨勢；

2.了解業(yè)界市場需求和國內外最新的大數(shù)據(jù)技術潮流，洞察大數(shù)據(jù)的潛在價值；

3.理解大數(shù)據(jù)項目解決方案及業(yè)界大數(shù)據(jù)應用案例，從而為企業(yè)在大數(shù)據(jù)項目中的技術選型及技術架構設計提供決策參考；

4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術體系；

5.掌握大數(shù)據(jù)采集技術；

6.掌握大數(shù)據(jù)分布式存儲技術；

7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術；

8.掌握大數(shù)據(jù)倉庫與統(tǒng)計機器學習技術；

9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術；

10.掌握大數(shù)據(jù)離線處理技術；

11.掌握Storm流式大數(shù)據(jù)處理技術；

12.掌握基于內存計算的大數(shù)據(jù)實時處理技術；

13.掌握大數(shù)據(jù)管理技術的原理知識和應用實戰(zhàn)；

14.深入理解大數(shù)據(jù)平臺技術架構和使用場景；

15.嫻熟運用Hadoop與Spark大數(shù)據(jù)技術體系規(guī)劃解決方案滿足實際項目需求；

16.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺進行應用程序開發(fā)、集群運維管理和性能調優(yōu)技巧。

課程大綱

第一天 上午

大數(shù)據(jù)技術基礎

1.大數(shù)據(jù)的產生背景與發(fā)展歷程

2.大數(shù)據(jù)的4V特征，以及與云計算的關系

3.大數(shù)據(jù)應用需求以及潛在價值分析

4.業(yè)界最新的大數(shù)據(jù)技術發(fā)展態(tài)勢與應用趨勢

5.大數(shù)據(jù)項目的系統(tǒng)與技術選型，及落地實施的挑戰(zhàn)

6.“互聯(lián)網(wǎng)+”時代下的電子商務、制造業(yè)、零售批發(fā)、電信運營商、互聯(lián)網(wǎng)金融業(yè)、電子政務、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應用實踐與應用案例介紹

業(yè)界主流的大數(shù)據(jù)技術方案

1.大數(shù)據(jù)軟硬件系統(tǒng)全棧與關鍵技術介紹

2.主流的大數(shù)據(jù)解決方案介紹

3.Apache大數(shù)據(jù)平臺方案剖析

4.CDH大數(shù)據(jù)平臺方案剖析

5.HDP大數(shù)據(jù)平臺方案剖析

6.大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較

大數(shù)據(jù)計算模型（一）——批處理MapReduce

1.MapReduce產生背景與適用場景

2.MapReduce計算模型的基本原理

3.MapReduce作業(yè)執(zhí)行流程

4.MapReduce基本組件，JobTracker和TaskTracker

5.MapReduce高級編程應用，Combiner和Partitioner

6.MapReduce性能優(yōu)化技巧

7.MapReduce案例分析與開發(fā)實踐操作

第一天

下午大數(shù)據(jù)存儲系統(tǒng)與應用實踐

1.分布式文件系統(tǒng)HDFS產生背景與適用場景

2.HDFS master-slave系統(tǒng)架構與工作原理

3.HDFS核心組件技術講解

4.HDFS高可用保證機制

5.HDFS集群的安裝、部署與配置，熟練HDFS shell命令操作

6.分布式小文件存儲系統(tǒng)的平臺架構、核心技術與應用場景

7.分布式對象存儲系統(tǒng)的平臺架構、核心技術與應用場景

Hadoop框架與生態(tài)發(fā)展，以及應用實踐操作

1.Hadoop的發(fā)展歷程

2.Hadoop大數(shù)據(jù)生態(tài)圈系統(tǒng)與工具全貌介紹

3.Hadoop 1.0的核心組件與適用范圍

4.Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的區(qū)別

5.Hadoop資源管理與作業(yè)調度機制

6.Hadoop 常用性能優(yōu)化技術

7.Hadoop集群安裝與部署實踐，以及MapReduce程序在YARN上執(zhí)行

第二天 上午

大數(shù)據(jù)計算模型（二）——實時處理/內存計算 Spark

1.MapReduce計算模型的瓶頸

2.Spark產生動機、基本概念與適用場景

3.Spark編程模型與RDD彈性分布式數(shù)據(jù)集的工作原理與機制

4.Spark實時處理平臺運行架構與核心組件

5.Spark容錯機制

6.Spark作業(yè)調度機制

7.Scala開發(fā)介紹與實踐

8.Spark集群部署與配置實踐，Spark開發(fā)環(huán)境構建，Spark案例程序分析，Spark程序開發(fā)與運行，Spark與Hadoop集群集成實踐

第二天 下午

大數(shù)據(jù)倉庫查詢技術Hive、SparkSQL、Impala，以及應用實踐

1.基于MapReduce的大型分布式數(shù)據(jù)倉庫Hive基礎知識與應用場景

2.Hive數(shù)據(jù)倉庫的平臺架構與核心技術剖析

3.Hive metastore的工作機制與應用

4.Hive數(shù)據(jù)倉庫實踐：Hive集群安裝部署，數(shù)據(jù)倉庫表導入導出與分區(qū)操作，Hive SQL操作，Hive客戶端操作

5.基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎知識與應用場景

6.Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理與工作機制

7.SparkSQL應用分析與操作實踐

8.基于MPP的大型分布式數(shù)據(jù)倉庫Impala基礎知識與應用場景

9.Impala實時查詢系統(tǒng)平臺架構、關鍵技術剖析

Hadoop集群運維監(jiān)控工具

1.Hadoop大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)HUE平臺介紹

2.Hadoop運維管理監(jiān)控系統(tǒng)Ambari工具介紹

3. 第三方運維系統(tǒng)與工具Ganglia, Nagios

第三天 上午

大數(shù)據(jù)計算模型（三）——流處理Storm, SparkStreaming

1.流數(shù)據(jù)處理應用場景與流數(shù)據(jù)處理的特點

2.流數(shù)據(jù)處理工具Storm的平臺架構與集群工作原理

3.Storm關鍵技術與并發(fā)機制

4.Storm編程模型與基本開發(fā)模式

5.Storm數(shù)據(jù)流分組

6.Storm可靠性保證與Acker機制

7.Storm應用案例分析與實踐：Storm集群安裝部署，Storm程序開發(fā)運行操作實踐，Storm與Hadoop集群的集成

8.流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型

9.Spark Streaming工作機制

大數(shù)據(jù)ETL操作工具，與大數(shù)據(jù)分布式采集系統(tǒng)

1.Hadoop與DBMS之間數(shù)據(jù)交互工具的應用

2.Sqoop導入導出數(shù)據(jù)的工作原理，以及Sqoop工具的安裝部署與實踐操作，利用Sqoop實現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導入導出交互

3.Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型與系統(tǒng)架構

4.Kafka分布式消息訂閱系統(tǒng)的應用介紹與平臺架構，及其使用模式

第三天 下午

面向OLTP型應用的NoSQL數(shù)據(jù)庫及應用實踐

1.關系型數(shù)據(jù)庫瓶頸，以及NoSQL數(shù)據(jù)庫的發(fā)展，概念，分類，及其在半結構化和非結構化數(shù)據(jù)場景下的適用范圍

2.列存儲NoSQL數(shù)據(jù)庫HBase簡介與數(shù)據(jù)模型剖析

3.HBase分布式集群系統(tǒng)架構與讀寫機制，ZooKeeper分布式協(xié)調服務系統(tǒng)的工作原理與應用

4.HBase表設計模式與primary key設計規(guī)范

5.HBase分布式集群安裝、部署與操作實踐

6.文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析

7.MongoDB集群模式、讀寫機制與常用API操作

8.Cassandra分布式數(shù)據(jù)庫的平臺架構以及關鍵技術

9.Cassandra一致性哈希算法與數(shù)據(jù)分布策略，以及NWR策略

10.鍵值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析

11.Redis多實例集群架構與關鍵技術

12.NewSQL數(shù)據(jù)庫技術簡介及其適用場景

大數(shù)據(jù)項目選型、實施、優(yōu)化等問題交流討論

大數(shù)據(jù)項目的需求分析、應用實施、系統(tǒng)優(yōu)化，以及解決方案等咨詢與交流討論

第四天學習考核與業(yè)內經(jīng)驗交流

鐘老師

鐘老師 現(xiàn)任職于中科院某研究所，高級工程師，副高職稱，博士畢業(yè)于中國科學院計算技術研究所，獲工學博士學位（計算機系統(tǒng)結構方向）。中培教育的大數(shù)據(jù)、云計算、移動互聯(lián)網(wǎng)系列課程建設與教學專家。近六年來帶領團隊主要從事大數(shù)據(jù)與云計算技術項目的研發(fā)與IT項目管理工作。鐘老師有著多年的企業(yè)內訓和公開課培訓講師經(jīng)歷，主要講授大數(shù)據(jù)平臺技術、云計算、移動互聯(lián)網(wǎng)、電子商務、IT信息軟件項目管理、企業(yè)信息化規(guī)劃與管理、IT戰(zhàn)略規(guī)劃與企業(yè)架構、數(shù)據(jù)中心主機規(guī)劃與IDC系統(tǒng)運營等企業(yè)實戰(zhàn)類培訓課程。鐘老師將原理技術剖析和應用實戰(zhàn)相結合的授課風格受到廣大公開課學員和企業(yè)內訓學員的歡迎。

蔣老師 清華大學博士，云計算專家 熟悉主流的云計算平臺，并有商業(yè)與開源云計算平臺的實踐經(jīng)驗,對云計算關鍵技術有深刻了解和實踐經(jīng)驗，如分布式系統(tǒng)、虛擬化、分布式文件系統(tǒng)、云存儲等，參與并領導多個大型云計算項目。對大數(shù)據(jù)關鍵技術有深刻了解和實踐經(jīng)驗，如NoSQL數(shù)據(jù)庫、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。

我要報名

在線報名：大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓班(貴陽)