日程

培训模块

培训内容

第 一天

上午

大数据技术基础

1. 大数据的产生背景与发展历程

2. 大数据的4V特征，以及与云计算的关系

3. 大数据应用需求以及潜在价值分析

4. 业界新的大数据技术发展态势与应用趋势

5. 大数据思维的转变

6. 大数据项目的系统与技术选型，及落地实施的挑战

7. “互联网 ”时代下的电子商务、制造业、交通行业、电信运营商、银行金融业、电子政务、移动互联网、教育信息化等行业应用实践与应用案例介绍

业界主流的大数据技术方案

1. 大数据软硬件系统全栈与关键技术介绍

2. 大数据生态系统全景图

3. 主流的大数据解决方案介绍

4. Apache大数据平台方案剖析

5. CDH大数据平台方案剖析

6. HDP大数据平台方案剖析

7. 基于云的大数据平台方案剖析

8. 大数据解决方案与传统数据库方案比较

9. 国内外大数据平台方案与厂商对比

大数据计算模型（一）——批处理MapReduce

1. MapReduce产生背景与适用场景

2. MapReduce计算模型的基本原理

3. MapReduce作业执行流程

4. MapReduce基本组件，JobTracker和TaskTracker

5. MapReduce高级编程应用，Combiner和Partitioner

6. MapReduce性能优化技巧

7. MapReduce案例分析与开发实践操作

第 一天

下午

大数据存储系统与应用实践

1. 分布式文件系统HDFS产生背景与适用场景

2. HDFS master-slave系统架构与读写工作原理

3. HDFS核心组件技术讲解，NameNode与fsimage、editslog，DataNode与数据块

4. HDFS Federation机制，viewfs机制，使用场景讲解

5. HDFS高可用保证机制，SecondaryNameNode，NFS冷备份，基于zookeeper的HA方案

大数据实战练习一

1. Hadoop平台搭建、部署与应用实践，包含HDFS分布式文件系统，YARN资源管理软件，MapReduce计算框架软件

2. HDFS shell命令操作

3. MapReduce程序在YARN上运行

第二天

上午

Hadoop框架与生态发展，以及应用实践操作

1. Hadoop的发展历程

2. Hadoop 1.0的核心组件JobTracker，TaskTracker，以及适用范围

3. Hadoop 2.0的核心组件YARN工作原理，以及与Hadoop 1.0的联系与区别

4. Hadoop YARN的资源管理与作业调度机制

5. Hadoop 常用性能优化技术

大数据计算模型（二）——实时处理/内存计算 Spark

1. MapReduce计算模型的瓶颈

2. Spark产生动机、基本概念与适用场景

3. Spark编程模型与RDD弹性分布式数据集的工作原理与机制

4. Spark实时处理平台运行架构与核心组件

5. Spark宽、窄依赖关系与DAG图分析

6. Spark容错机制

7. Spark作业调度机制

8. Spark standardalone，Spark on YARN运行模式

9. Scala开发介绍与Spark常用Transformation函数介绍

第二天

下午

大数据仓库查询技术Hive、SparkSQL、Impala，以及应用实践

1. 基于MapReduce的大型分布式数据仓库Hive基础知识与应用场景

2. Hive数据仓库的平台架构与核心技术剖析

3. Hive metastore的工作机制与应用

4. Hive 分区、分桶机制，Hive行、列存储格式

5. 基于Spark的大型分布式数据仓库SparkSQL基础知识与应用场景

6. Spark SQL实时数据仓库的实现原理与工作机制

7. SparkSQL程序开发与DataFrame机制介绍

8. 基于MPP的大型分布式数据仓库Impala基础知识与应用场景

9. Impala实时查询系统平台架构、关键技术介绍，以及与Hive，SparkSQL的对比

Hadoop集群运维监控工具

1. Hadoop运维管理监控系统Ambari工具介绍

2. 第三方运维系统与工具Ganglia, Nagios

大数据实战练习二

1.基于 Hadoop平台搭建、部署与配置Spark集群，Spark shell环境实践，Spark案例程序分析，Spark程序开发与运行

2. 基于MapReduce的Hive数据仓库实践，Hive集群安装部署，基于文件的Hive数据仓库表导入导出与分区操作，Hive SQL操作，Hive客户端操作

3. 基于Hive的SparkSQL shell实践操作

第三天

上午

大数据计算模型（三）——流处理Storm, SparkStreaming

1. 流数据处理应用场景与流数据处理的特点

2. 流数据处理工具Storm的平台架构与集群工作原理

3. Storm关键技术与并发机制

4. Storm编程模型与基本开发模式

5. Storm数据流分组

6. Storm可靠性保证与Acker机制

7. Storm应用案例分析

8. 流数据处理工具Spark Streaming基本概念与数据模型

9. SparkStreaming工作机制

10. SparkStreaming程序开发介绍

11. Storm与SparkStreaming的对比

第三天

下午

大数据ETL操作工具，与大数据分布式采集系统

1. Hadoop与DBMS之间数据交互工具的应用

2. Sqoop导入导出数据的工作原理

3. Flume-NG数据采集系统的数据流模型与系统架构

4. Kafka分布式消息订阅系统的应用介绍与平台架构，及其使用模式

面向OLTP型应用的NoSQL数据库及应用实践

1. 关系型数据库瓶颈，以及NoSQL数据库的发展，概念，分类，及其在半结构化和非结构化数据场景下的适用范围

2. 列存储NoSQL数据库HBase简介与数据模型剖析

3. HBase分布式集群系统架构与读写机制，ZooKeeper分布式协调服务系统的工作原理与应用

4. HBase表设计模式与primary key设计规范

5. 文档NoSQL数据库MongoDB简介与数据模型剖析

6. MongoDB集群模式、读写机制与常用API操作

8.键值型NoSQL数据库Redis简介与数据模型剖析

9.Redis多实例集群架构与关键技术

10.NewSQL数据库技术简介及其适用场景

大数据实战练习三

1.Sqoop安装、部署与配置，基于Sqoop、MySQL与Hive操作MySQL数据库与Hive数据仓库数据导入导出

2.Kafka安装、部署与配置，基于Kafka创建和消费topic实践操作

3.Flume HDFS MapReduce/Spark大数据采集、存储与分析实践操作

大数据项目选型、实施、优化等问题交流讨论

大数据项目的需求分析、应用实施、系统优化，以及解决方案等咨询与交流讨论

第四天

学习考核与业内经验交流