您現(xiàn)在的位置：首頁 > 企業(yè)內(nèi)訓 > 大數(shù)據(jù) > 大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)

大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)

2022-04-27 09:24:50　|　來源：中培企業(yè)IT培訓網(wǎng)

一、培訓簡述
通過此次課程培訓，可使學習者獲得如下收益：
1.深刻理解在“互聯(lián)網(wǎng)+”時代下大數(shù)據(jù)的產(chǎn)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(nèi)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(gòu)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(nèi)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(gòu)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(diào)優(yōu)技巧。

二、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(gòu)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(diào)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(jié)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(diào)授課內(nèi)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(jié)，規(guī)劃出可行的解決方案。

三、培訓收益
掌握基于大數(shù)據(jù)的體系架構(gòu)、管理、部署，以及相應組件的原理和應用場景。
讓學員具備部署基于企業(yè)大數(shù)據(jù)平臺環(huán)境的能力。
四、培訓時長
共計5天，每天6課時

五、培訓大綱

	培訓模塊	培訓內(nèi)容
第一單元	大數(shù)據(jù)技術基礎	大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程大數(shù)據(jù)的4V特征，以及與云計算的關系大數(shù)據(jù)應用需求以及潛在價值分析業(yè)界最新的大數(shù)據(jù)技術發(fā)展態(tài)勢與應用趨勢大數(shù)據(jù)思維的轉(zhuǎn)變大數(shù)據(jù)項目的系統(tǒng)與技術選型，及落地實施的挑戰(zhàn) “互聯(lián)網(wǎng)+”時代下的電子商務、制造業(yè)、交通行業(yè)、電信運營商、銀行金融業(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	大數(shù)據(jù)軟硬件系統(tǒng)全棧與關鍵技術介紹大數(shù)據(jù)生態(tài)系統(tǒng)全景圖主流的大數(shù)據(jù)解決方案介紹 Apache大數(shù)據(jù)平臺方案剖析 CDH大數(shù)據(jù)平臺方案剖析 HDP大數(shù)據(jù)平臺方案剖析基于云的大數(shù)據(jù)平臺方案剖析大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較國內(nèi)外大數(shù)據(jù)平臺方案與廠商對比
	大數(shù)據(jù)計算模型（一）——批處理MapReduce	MapReduce產(chǎn)生背景與適用場景 MapReduce計算模型的基本原理 MapReduce作業(yè)執(zhí)行流程 MapReduce基本組件，JobTracker和TaskTracker MapReduce高級編程應用，Combiner和Partitioner MapReduce性能優(yōu)化技巧 MapReduce案例分析與開發(fā)實踐操作
第二單元	大數(shù)據(jù)存儲系統(tǒng)與應用實踐	分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場景 HDFS master-slave系統(tǒng)架構(gòu)與讀寫工作原理 HDFS核心組件技術講解，NameNode與fsimage、editslog，DataNode與數(shù)據(jù)塊 HDFS Federation機制，viewfs機制，使用場景講解 HDFS高可用保證機制，SecondaryNameNode，NFS冷備份，基于zookeeper的HA方案
第二單元	大數(shù)據(jù)實戰(zhàn)練習一	1. Hadoop平臺搭建、部署與應用實踐，包含HDFS分布式文件系統(tǒng)，YARN資源管理軟件，MapReduce計算框架軟件 2. HDFS shell命令操作 3. MapReduce程序在YARN上運行
第三單元	Hadoop框架與生態(tài)發(fā)展，以及應用實踐操作	Hadoop的發(fā)展歷程 Hadoop 1.0的核心組件JobTracker，TaskTracker，以及適用范圍 Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的聯(lián)系與區(qū)別 Hadoop YARN的資源管理與作業(yè)調(diào)度機制 Hadoop 常用性能優(yōu)化技術
第三單元	大數(shù)據(jù)計算模型（二）——實時處理/內(nèi)存計算 Spark	MapReduce計算模型的瓶頸 Spark產(chǎn)生動機、基本概念與適用場景 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 Spark實時處理平臺運行架構(gòu)與核心組件 Spark寬、窄依賴關系與DAG圖分析 Spark容錯機制 Spark作業(yè)調(diào)度機制 Spark standardalone，Spark on YARN運行模式 Scala開發(fā)介紹與Spark常用Transformation函數(shù)介紹
第四單元	大數(shù)據(jù)倉庫查詢技術Hive、SparkSQL、Impala，以及應用實踐	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 Hive數(shù)據(jù)倉庫的平臺架構(gòu)與核心技術剖析 Hive metastore的工作機制與應用 Hive 分區(qū)、分桶機制，Hive行、列存儲格式基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎知識與應用場景 Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理與工作機制 SparkSQL程序開發(fā)與DataFrame機制介紹基于MPP的大型分布式數(shù)據(jù)倉庫Impala基礎知識與應用場景 Impala實時查詢系統(tǒng)平臺架構(gòu)、關鍵技術介紹，以及與Hive，SparkSQL的對比
	Hadoop集群運維監(jiān)控工具	1.Hadoop運維管理監(jiān)控系統(tǒng)Ambari工具介紹 2.第三方運維系統(tǒng)與工具Ganglia, Nagios
	大數(shù)據(jù)實戰(zhàn)練習二	1.基于 Hadoop平臺搭建、部署與配置Spark集群，Spark shell環(huán)境實踐，Spark案例程序分析，Spark程序開發(fā)與運行 2. 基于MapReduce的Hive數(shù)據(jù)倉庫實踐，Hive集群安裝部署，基于文件的Hive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 3. 基于Hive的SparkSQL shell實踐操作
第五單元	大數(shù)據(jù)計算模型（三）——流處理Storm, SparkStreaming	流數(shù)據(jù)處理應用場景與流數(shù)據(jù)處理的特點流數(shù)據(jù)處理工具Storm的平臺架構(gòu)與集群工作原理 Storm關鍵技術與并發(fā)機制 Storm編程模型與基本開發(fā)模式 Storm數(shù)據(jù)流分組 Storm可靠性保證與Acker機制 Storm應用案例分析流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型 SparkStreaming工作機制 SparkStreaming程序開發(fā)介紹 Storm與SparkStreaming的對比
第六單元	大數(shù)據(jù)ETL操作工具，與大數(shù)據(jù)分布式采集系統(tǒng)	Hadoop與DBMS之間數(shù)據(jù)交互工具的應用 Sqoop導入導出數(shù)據(jù)的工作原理 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(gòu) Kafka分布式消息訂閱系統(tǒng)的應用介紹與平臺架構(gòu)，及其使用模式
	面向OLTP型應用的NoSQL數(shù)據(jù)庫及應用實踐	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(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場景下的適用范圍列存儲NoSQL數(shù)據(jù)庫HBase簡介與數(shù)據(jù)模型剖析 HBase分布式集群系統(tǒng)架構(gòu)與讀寫機制，ZooKeeper分布式協(xié)調(diào)服務系統(tǒng)的工作原理與應用 HBase表設計模式與primary key設計規(guī)范文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析 MongoDB集群模式、讀寫機制與常用API操作值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析 Redis多實例集群架構(gòu)與關鍵技術 NewSQL數(shù)據(jù)庫技術簡介及其適用場景
	大數(shù)據(jù)實戰(zhàn)練習三	1.Sqoop安裝、部署與配置，基于Sqoop、MySQL與Hive操作MySQL數(shù)據(jù)庫與Hive數(shù)據(jù)倉庫數(shù)據(jù)導入導出 2.Kafka安裝、部署與配置，基于Kafka創(chuàng)建和消費topic實踐操作 3.Flume+HDFS+MapReduce/Spark大數(shù)據(jù)采集、存儲與分析實踐操作
	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大數(shù)據(jù)在銀行業(yè)方面的應用及展望。
學習考核與業(yè)內(nèi)經(jīng)驗交流

（注：大綱還可根據(jù)需求進行調(diào)整）

師資簡介
趙老師
清華大學計算機雙學士，大數(shù)據(jù)、數(shù)據(jù)庫、中間件技術和Java專家。15年IT行業(yè)從業(yè)經(jīng)歷，10年培訓授課經(jīng)驗。

工作經(jīng)歷：
2007.05 ～現(xiàn)在 BEA系統(tǒng)(中國)有限公司、甲骨文(中國)軟件系統(tǒng)有限公司
擔任全球支持中心高級技術顧問
2005.11 ～ 2007.05 北電網(wǎng)絡(中國)有限公司【北京研發(fā)中心】高級軟件架構(gòu)師
2004.1 ～ 2005.10 Motorola(中國)有限公司【北京研發(fā)中心】高級軟件工程師
2003.1 ～ 2003.12 億陽增值業(yè)務通信股份有限公司，售前工程師、軟件工程師
2002.7 ～ 2002.10 IBM CRL （IBM中國研究中心）— 電子商務組 Intern

培訓經(jīng)歷：