我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

課程介紹

根據(jù)黨中央和國務(wù)院“互聯(lián)網(wǎng)+”行動計(jì)劃戰(zhàn)略布局，落實(shí)國務(wù)院促進(jìn)大數(shù)據(jù)發(fā)展行動綱要，響應(yīng)工業(yè)和信息化部培養(yǎng)大數(shù)據(jù)技術(shù)高端人才的號召,中國信息化培訓(xùn)中心特推出了大數(shù)據(jù)平臺搭建與高性能計(jì)算實(shí)戰(zhàn)課程培訓(xùn)班。通過專業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)體系與業(yè)界真實(shí)案例來全面提升大數(shù)據(jù)項(xiàng)目高管、大數(shù)據(jù)平臺架構(gòu)師，以及大數(shù)據(jù)開發(fā)工程師與大數(shù)據(jù)應(yīng)用設(shè)計(jì)人員的專業(yè)水平，旨在培養(yǎng)專業(yè)的大數(shù)據(jù)技術(shù)架構(gòu)專家，培養(yǎng)大數(shù)據(jù)技術(shù)和應(yīng)用創(chuàng)新型人才，促進(jìn)大數(shù)據(jù)技術(shù)在各行業(yè)內(nèi)部及跨行業(yè)進(jìn)行實(shí)施應(yīng)用，以及企事業(yè)單位的大數(shù)據(jù)項(xiàng)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(xùn)特色

1.課程培訓(xùn)業(yè)界最流行、應(yīng)用最廣泛的Hadoop與Spark大數(shù)據(jù)技術(shù)體系。

強(qiáng)化大數(shù)據(jù)平臺的分布式集群架構(gòu)和核心關(guān)鍵技術(shù)實(shí)現(xiàn)、大數(shù)據(jù)應(yīng)用項(xiàng)目開發(fā)和大數(shù)據(jù)集群運(yùn)維實(shí)踐、以及Hadoop與Spark大數(shù)據(jù)項(xiàng)目應(yīng)用開發(fā)與調(diào)優(yōu)的全過程沙盤模擬實(shí)戰(zhàn)。

2.通過一個(gè)完整的大數(shù)據(jù)開發(fā)項(xiàng)目及一組實(shí)際項(xiàng)目訓(xùn)練案例，完全覆蓋Hadoop與Spark生態(tài)系統(tǒng)平臺的應(yīng)用開發(fā)與運(yùn)維實(shí)踐。課堂實(shí)踐項(xiàng)目以項(xiàng)目小組的形式進(jìn)行沙盤實(shí)操練習(xí)，重點(diǎn)強(qiáng)化理解Hadoop與Spark大數(shù)據(jù)項(xiàng)目各個(gè)階段的工作重點(diǎn)，同時(shí)掌握作為大數(shù)據(jù)項(xiàng)目管理者的基本技術(shù)與業(yè)務(wù)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(xiàng)目的資深講師，采用原理技術(shù)剖析和實(shí)戰(zhàn)案例相結(jié)合的方式開展互動教學(xué)、強(qiáng)化以建立大數(shù)據(jù)項(xiàng)目解決方案為主體的應(yīng)用開發(fā)、技術(shù)討論與交流咨詢，在學(xué)習(xí)的同時(shí)促進(jìn)講師學(xué)員之間的交流，讓每個(gè)學(xué)員都能在課程培訓(xùn)過程中學(xué)到實(shí)實(shí)在在的大數(shù)據(jù)技術(shù)知識體系，以及大數(shù)據(jù)技術(shù)應(yīng)用實(shí)戰(zhàn)技能，具備實(shí)際大數(shù)據(jù)應(yīng)用項(xiàng)目的動手開發(fā)實(shí)踐與運(yùn)維管理部署能力。授課過程中，根據(jù)學(xué)員需求，增設(shè)交流環(huán)節(jié)，可將具體工作中遇到的實(shí)際問題展開討論，講師會根據(jù)學(xué)員的實(shí)際情況微調(diào)授課內(nèi)容，由講師帶著全部學(xué)員積極討論，并給出一定的時(shí)間讓學(xué)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。

培訓(xùn)目標(biāo)

1.深刻理解在“互聯(lián)網(wǎng)+”時(shí)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(shù)潮流，洞察大數(shù)據(jù)的潛在價(jià)值；

3.理解大數(shù)據(jù)項(xiàng)目解決方案及業(yè)界大數(shù)據(jù)應(yīng)用案例，從而為企業(yè)在大數(shù)據(jù)項(xiàng)目中的技術(shù)選型及技術(shù)架構(gòu)設(shè)計(jì)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(shù)體系；

5.掌握大數(shù)據(jù)采集技術(shù)；

6.掌握大數(shù)據(jù)分布式存儲技術(shù)；

7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術(shù)；

8.掌握大數(shù)據(jù)倉庫與統(tǒng)計(jì)機(jī)器學(xué)習(xí)技術(shù)；

9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術(shù)；

10.掌握大數(shù)據(jù)離線處理技術(shù)；

11.掌握Storm流式大數(shù)據(jù)處理技術(shù)；

12.掌握基于內(nèi)存計(jì)算的大數(shù)據(jù)實(shí)時(shí)處理技術(shù)；

13.掌握大數(shù)據(jù)管理技術(shù)的原理知識和應(yīng)用實(shí)戰(zhàn)；

14.深入理解大數(shù)據(jù)平臺技術(shù)架構(gòu)和使用場景；

15.嫻熟運(yùn)用Hadoop與Spark大數(shù)據(jù)技術(shù)體系規(guī)劃解決方案滿足實(shí)際項(xiàng)目需求；

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

課程大綱

第一天 上午

大數(shù)據(jù)技術(shù)基礎(chǔ)

1.大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程

2.大數(shù)據(jù)的4V特征，以及與云計(jì)算的關(guān)系

3.大數(shù)據(jù)應(yīng)用需求以及潛在價(jià)值分析

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

5.大數(shù)據(jù)項(xiàng)目的系統(tǒng)與技術(shù)選型，及落地實(shí)施的挑戰(zhàn)

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

業(yè)界主流的大數(shù)據(jù)技術(shù)方案

1.大數(shù)據(jù)軟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)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(jì)算模型（一）——批處理MapReduce

1.MapReduce產(chǎn)生背景與適用場景

2.MapReduce計(jì)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(yīng)用，Combiner和Partitioner

6.MapReduce性能優(yōu)化技巧

7.MapReduce案例分析與開發(fā)實(shí)踐操作

第一天

下午大數(shù)據(jù)存儲系統(tǒng)與應(yīng)用實(shí)踐

1.分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場景

2.HDFS master-slave系統(tǒng)架構(gòu)與工作原理

3.HDFS核心組件技術(shù)講解

4.HDFS高可用保證機(jī)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(gòu)、核心技術(shù)與應(yīng)用場景

7.分布式對象存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應(yīng)用場景

Hadoop框架與生態(tài)發(fā)展，以及應(yīng)用實(shí)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(diào)度機(jī)制

6.Hadoop 常用性能優(yōu)化技術(shù)

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

第二天 上午

大數(shù)據(jù)計(jì)算模型（二）——實(shí)時(shí)處理/內(nèi)存計(jì)算 Spark

1.MapReduce計(jì)算模型的瓶頸

2.Spark產(chǎn)生動機(jī)、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(jī)制

4.Spark實(shí)時(shí)處理平臺運(yùn)行架構(gòu)與核心組件

5.Spark容錯(cuò)機(jī)制

6.Spark作業(yè)調(diào)度機(jī)制

7.Scala開發(fā)介紹與實(shí)踐

8.Spark集群部署與配置實(shí)踐，Spark開發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開發(fā)與運(yùn)行，Spark與Hadoop集群集成實(shí)踐

第二天 下午

大數(shù)據(jù)倉庫查詢技術(shù)Hive、SparkSQL、Impala，以及應(yīng)用實(shí)踐

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

2.Hive數(shù)據(jù)倉庫的平臺架構(gòu)與核心技術(shù)剖析

3.Hive metastore的工作機(jī)制與應(yīng)用

4.Hive數(shù)據(jù)倉庫實(shí)踐：Hive集群安裝部署，數(shù)據(jù)倉庫表導(dǎo)入導(dǎo)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(chǔ)知識與應(yīng)用場景

6.Spark SQL實(shí)時(shí)數(shù)據(jù)倉庫的實(shí)現(xiàn)原理與工作機(jī)制

7.SparkSQL應(yīng)用分析與操作實(shí)踐

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

9.Impala實(shí)時(shí)查詢系統(tǒng)平臺架構(gòu)、關(guān)鍵技術(shù)剖析

Hadoop集群運(yùn)維監(jiān)控工具

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

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

3. 第三方運(yùn)維系統(tǒng)與工具Ganglia, Nagios

第三天 上午

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

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

2.流數(shù)據(jù)處理工具Storm的平臺架構(gòu)與集群工作原理

3.Storm關(guān)鍵技術(shù)與并發(fā)機(jī)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(jī)制

7.Storm應(yīng)用案例分析與實(shí)踐：Storm集群安裝部署，Storm程序開發(fā)運(yùn)行操作實(shí)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(jī)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(yīng)用

2.Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)的工作原理，以及Sqoop工具的安裝部署與實(shí)踐操作，利用Sqoop實(shí)現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)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(gòu)

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

第三天 下午

面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫及應(yīng)用實(shí)踐

1.關(guān)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

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(gòu)與讀寫機(jī)制，ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理與應(yīng)用

4.HBase表設(shè)計(jì)模式與primary key設(shè)計(jì)規(guī)范

5.HBase分布式集群安裝、部署與操作實(shí)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(jī)制與常用API操作

8.Cassandra分布式數(shù)據(jù)庫的平臺架構(gòu)以及關(guān)鍵技術(shù)

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(shí)例集群架構(gòu)與關(guān)鍵技術(shù)

12.NewSQL數(shù)據(jù)庫技術(shù)簡介及其適用場景

大數(shù)據(jù)項(xiàng)目選型、實(shí)施、優(yōu)化等問題交流討論

大數(shù)據(jù)項(xiàng)目的需求分析、應(yīng)用實(shí)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(xué)習(xí)考核與業(yè)內(nèi)經(jīng)驗(yàn)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(xué)院計(jì)算技術(shù)研究所，獲工學(xué)博士學(xué)位（計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)方向）。中培教育的大數(shù)據(jù)、云計(jì)算、移動互聯(lián)網(wǎng)系列課程建設(shè)與教學(xué)專家。近六年來帶領(lǐng)團(tuán)隊(duì)主要從事大數(shù)據(jù)與云計(jì)算技術(shù)項(xiàng)目的研發(fā)與IT項(xiàng)目管理工作。鐘老師有著多年的企業(yè)內(nèi)訓(xùn)和公開課培訓(xùn)講師經(jīng)歷，主要講授大數(shù)據(jù)平臺技術(shù)、云計(jì)算、移動互聯(lián)網(wǎng)、電子商務(wù)、IT信息軟件項(xiàng)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(gòu)、數(shù)據(jù)中心主機(jī)規(guī)劃與IDC系統(tǒng)運(yùn)營等企業(yè)實(shí)戰(zhàn)類培訓(xùn)課程。鐘老師將原理技術(shù)剖析和應(yīng)用實(shí)戰(zhàn)相結(jié)合的授課風(fēng)格受到廣大公開課學(xué)員和企業(yè)內(nèi)訓(xùn)學(xué)員的歡迎。

蔣老師 清華大學(xué)博士，云計(jì)算專家 熟悉主流的云計(jì)算平臺，并有商業(yè)與開源云計(jì)算平臺的實(shí)踐經(jīng)驗(yàn),對云計(jì)算關(guān)鍵技術(shù)有深刻了解和實(shí)踐經(jīng)驗(yàn)，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(lǐng)導(dǎo)多個(gè)大型云計(jì)算項(xiàng)目。對大數(shù)據(jù)關(guān)鍵技術(shù)有深刻了解和實(shí)踐經(jīng)驗(yàn)，如NoSQL數(shù)據(jù)庫、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。

我要報(bào)名

在線報(bào)名：大數(shù)據(jù)平臺搭建與高性能計(jì)算最佳實(shí)戰(zhàn)培訓(xùn)班(福州)