各地政府，院校云计算物联网产业相关负责人，各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员、技术总监、数据挖掘负责人、数据挖掘开发工程师等

培训费用及须知

两项8800元/人（学单项5800/人）（含教材、培训费、考证费以及学习用具等费用） 食宿统一安排，费用自理。

颁发证书

参加相关培训并通过考试的学员，可以获得：

工业和信息化部颁发的-《大数据开发高级工程师证书》。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。注：请学员带一寸彩照2张（背面注明姓名）、身份证复印件一张。

课程目标

1、了解Hadoop与Spark的历史及目前发展的现状、以及Hadoop与Spark的技术特点，从而把握分布式计算框架及未来发展方向，在大数据时代能为企业的技术选型及架构设计提供决策参考。

2、全面掌握Hadoop与Spark的架构原理和使用场景，并通过贯穿课程的项目进行实战锻炼，从而熟练使用Hadoop进行MapReduce程序开发。课程还涵盖了分布式计算领域的常用算法介绍，帮助学员为企业在利用大数据方面体现自身价值。

3、深入理解Hadoop与Spark技术架构,对Hadoop与Spark运作机制有清晰全面的认识，可以独立规划及部署生产环境的Hadoop与Spark集群，掌握Hadoop与Spark基本运维思路和方法，对Hadoop与Spark集群进行管理和优化。

培训特色

注重应用：分析国内实际情况，结合国际、国内成功经验。采用实战的项目，让学员在短时间内掌握Hadoop与Spark的搭建与配置。并进行高效的大数据清洗和分析。

　　形式灵活：互动课堂、免费技术沙龙、提供云计算项目建设咨询、大数据Hadoop平台的搭建。

培训内容（5天课程）

HADOOP模块

模块一 Hadoop在云计算技术的作用和地位

传统大规模系统存在的问题

Hadoop概述

Hadoop分布式文件系统

MapReduce工作原理

Hadoop集群剖析

Hadoop生态系统对一种新的解决方案的需求

Hadoop的行业应用案例分析

Hadoop在云计算和大数据的位置和关系

模块二 Hadoop生态系统介绍和演示

Hadoop HDFS 和 MapReduce

Hadoop数据库之HBase

Hadoop数据仓库之Hive

Hadoop数据处理脚本Pig

Hadoop数据接口Sqoop和Flume，Scribe DataX

Hadoop工作流引擎 Oozie

模块三 Hadoop组件详解

Hadoop HDFS 基本结构

Hadoop HDFS 副本存放策略

Hadoop NameNode 详解

HadoopSecondaryNameNode 详解

Hadoop DataNode 详解

Hadoop JobTracker 详解

Hadoop TaskTracker 详解

模块四 Hadoop安装和部署

Hadoop系统模块组件概述

Hadoop试验集群的部署结构

Hadoop 安装依赖关系

Hadoop 生产环境的部署结构

Hadoop集群部署

Hadoop 高可用配置方法

Hadoop 集群简单测试方法

Hadoop 集群异常Debug方法

模块五 Hadoop集群规划

Hadoop 集群内存要求

Hadoop集群磁盘分区

集群和网络拓扑要求

集群软件的端口配置

模块六 MapReduce 算法原理

Hadoop MapReduce 算法的原理和优化思想

灵活运用MapReduce 实现算法

模块七 编写MapReduce高级程序

使用 Hadoop MapReduce Streaming 编程

MapReduce流程

剖析一个MapReduce程序

基本MapReduceAPI概念

驱动代码 Mapper、Reducer

Hadoop流

API 使用Eclipse进行快速开发

新MapReduce API

MapReduce的优化

MapReduce的任务调度

MapReduce编程实战

如何利用其他Hadoop相关技术，包括Apache Hive， Apache Pig，Sqoop和Oozie等

满足解决实际数据分析问题的高级Hadoop API

模块八 集成Hadoop到现有工作流

及Hadoop API深入探讨 存储系统

利用Sqoop从关系型数据库系统中导入数据到Hadoop

利用Flume导入实时数据到Hadoop

ToolRunner介绍、使用MRUnit进行测试

使用Configure和Close方法来进行Map/Reduce设置和关闭

模块九 使用Hive和Pig开发及技巧

Hive和Pig基础

Hive的作用和原理说明

Hadoop仓库和传统数据仓库的协作关系

Hadoop/Hive仓库数据数据流

Hive 部署和安装

Hive Cli 的基本用法

HQL基本语法

运用Pig 过滤用户数据

模块十 Hbase安装和使用

Hbase 安装部署

Hbase原理和结构

Hbase 运维和管理

模块十一 Hadoop2.0 集群探索

Hadoop2.0 HDFS 原理

Hadoop2.0 Yarn 原理

Hadoop2.0 生态系统

模块十二 Hadoop企业级别案例解析

Hadoop 结构化数据案例

Hadoop 非结构化案例

Hbase 数据库案例

Hadoop 视频分析案例

Spark模块

模块一 Spark生态介绍 

Mapreduce、storm和spark模型的比较和使用场景介绍

Spark产生背景

Spark（内存计算框架）

SparkSteaming（流式计算框架）

Spark SQL（ad-hoc）

Mllib（MachineLearning）

GraphX（bagel将被代）

DlinkDB介绍

SparkR介绍

模块二 Spark安装部署 

Spark安装简介

Spark的源码编译

Spark Standalone安装

Spark应用程序部署工具spark-submit

Spark的高可用性部署

模块三 Spark运行架构和解析 

Spark的运行架构

• 基本术语

• 运行架构

• Spark on Standalone运行过程

• Spark on YARN 运行过程

Spark运行实例解析

• Spark on Standalone实例解析

• Spark on YARN实例解析

• 比较 Standalone与YARN模式下的优缺点

模块四 Sparkscala编程

• Scala基本语法与高阶语法

• Scala基本语法

• Scala开发环境搭建

• Scala开发Spark应用程序

• 使用java编程

• 使用scala编程

• 使用python编程

模块五 Spark编程模型和解析 

Spark的编程模型

• Spark编程模型解析

• RDD的特点、操作、依赖关系

• Spark应用程序的配置

Spark的架构

spark的容错机制

数据的本地性

缓存策略介绍

宽依赖与窄依赖

模块六 Spark 数据挖掘 

Mllib的介绍

graphX核心原理

table operator和graph operator区别

vertices、edges和triplets介绍

构建一个graph

SparkR原理

SparkR实战

模块七 Spark Streaming原理和实践 

Spark Streaming与Strom的区别

Kafka的部署

Kafka与Spark Streaming的整合

Spark Streaming原理

• Spark流式处理架构

• DStream的特点

• Dstream的操作和RDD的区别

• 带状态的transformation与无状态transformation

• Spark Streaming的优化

Spark Streaming实例

Streaming的容错机制

streaming在yarn模式下的注意事项

对于需结合第三方存储机制的与流式处理方案

• 文本实例

• 网络数据处理

• Kafka+Spark Streaming实现日志的实时分析案例

模块八 Spark的优化 

序列化优化——Kryo

Spark参数优化实战

Spark 任务的均匀分布策略

Partition key倾斜的解决方案

Spark任务的监控

GC的优化

Spark Streaming吞吐量优化

Spark RDD使用内存的优化策略

Spark在使用中的感想分享

模块九 Spark的数据源 

Spark与HDFS的整合

HDFS RDD原理和实现

Spark与Hbase的整合

Spark与Cassendera整合

Hbase RDD的分区读取

Hbase RDD的原理和实现

Spark parallelism RDD的工作机制

模块十 Spark Streaming应用及案例分析 

Spark Streaming产生动机

Spark Streaming程序设计

（1）创建DStream

（2）基于DStream进行流式处理

Spark Streaming容错与性能优化

（1）Spark Streaming容错机制

（2）如何对spark Streaming进行优化

Spark Streaming案例分析

基于Spark Streaming的用户标签系统，内容包括项目背景，项目架构以及实施方法

模块十一 典型项目案例实战 

基于spark日志分析

个性化推荐系统：带你揭开其神秘面纱

在线投放引擎

揭开淘宝点击推荐系统的神秘面纱

淘宝数据服务架构—实时计算平台

师资介绍

　张老师：阿里大数据高级专家，国内资深的Spark、Hadoop技术专家、虚拟化专家，对HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生态系统中的技术进行了多年的深入的研究，更主要的是这些技术在大量的实际项目中得到广泛的应用，因此在Hadoop开发和运维方面积累了丰富的项目实施经验。近年主要典型的项目有：某电信集团网络优化、中国移动某省移动公司请账单系统和某省移动详单实时查询系统、中国银联大数据数据票据详单平台、某大型银行大数据记录系统、某大型通信运营商全国用户上网记录、某省交通部门违章系统、某区域医疗大数据应用项目、互联网公共数据大云(DAAS)和构建游戏云(Web Game Daas)平台项目等。