Hadoop在云計算技術(shù)的作用和地位

傳統(tǒng)大規(guī)模數(shù)據(jù)分析存在的問題
Hadoop概述
Hadoop與分布式文件系統(tǒng)?
MapReduce的工作原理與機制?
Hadoop集群剖析?
Hadoop生態(tài)系統(tǒng)
Hadoop的行業(yè)應(yīng)用案例分析
Hadoop在云計算和大數(shù)據(jù)的位置和關(guān)系
案例演示：阿里集團技術(shù)平臺，Hadoop在淘寶、支付寶的作用
電商眼中的Hadoop和推薦系統(tǒng)。
暴風(fēng)數(shù)據(jù)平臺：Hadoop對于產(chǎn)品優(yōu)化的價值。
Hadoop對于趣游、熱酷等游戲公司的作用
移動大云項目(big cloud)中的Hadoop
聯(lián)通使用Hadoop/Hbase解決3G詳單查詢問題。

Hadoop參數(shù)調(diào)優(yōu)

選擇適合hadoop的硬件配置
Hadoop配置項優(yōu)化
Hadoop配置優(yōu)化 - core-site.xml
Hadoop配置優(yōu)化 - HDFS
Hadoop配置優(yōu)化 - hdfs-site.xml
Hadoop配置優(yōu)化 - mapred-site.xml
Hadoop配置優(yōu)化 - 機架感知
網(wǎng)絡(luò)帶寬參數(shù)調(diào)優(yōu)
系統(tǒng)參數(shù)調(diào)優(yōu)
配置文件管理
嚴(yán)格控制root權(quán)限
Java的GC模式
選擇正確的JDK
hadoop作業(yè)調(diào)優(yōu)
Map side tuning設(shè)置
Map side設(shè)置
Linux操作系統(tǒng)優(yōu)化
其他配置和參數(shù)調(diào)優(yōu)
core-default.xml，
hdfs-default.xml，
mapred-default.xml。
mapred-site.xml
mapred.tasktracker.map.tasks.maximum
mapred.reduce.slowstart.completed.maps
mapred.fairscheduler.preemption
mapred.jobtracker.completeuserjobs.maximum
mapred.jobtracker.update.faulty.tracker.interval
mapred.jobtracker.max.blacklist.percent
案例演示：Hadoop硬件優(yōu)化
不是所有的硬件都合適拿來直接使用
安裝調(diào)優(yōu)的第一步服務(wù)器硬件的選型的竅門
如何選擇適合業(yè)務(wù)使用的CPU
內(nèi)存越大越好嗎？設(shè)置合理的的內(nèi)存配置
連接網(wǎng)絡(luò)的選擇和優(yōu)化
高速硬盤的選擇注意事項
硬盤為什么不做raid？
設(shè)置網(wǎng)絡(luò)的注意事項
中間結(jié)果壓縮對磁盤和網(wǎng)絡(luò)的優(yōu)化
機架感知，網(wǎng)絡(luò)和磁盤IO優(yōu)化作用，確定存儲的具體位置，
內(nèi)存參數(shù)，map/reduce槽位數(shù)的計算方法。
對磁盤和網(wǎng)絡(luò)的優(yōu)化
Java工具使用，jstack使用
Sun和open之間的區(qū)別，JIT編譯器的使用
inux系統(tǒng)參數(shù)調(diào)優(yōu)
Linux監(jiān)控系統(tǒng)的使用
cacti,
ganglia
常用的linux排錯工具lsof,strace,iostat,vmstat,netstat...
常見異?，F(xiàn)象級處理方法
網(wǎng)卡流量導(dǎo)致連接失敗
權(quán)限錯誤
主機名IP轉(zhuǎn)換錯誤
NN與DN namespaceID不一致
磁盤滿導(dǎo)致報錯
Jave heap size OOM

精彩案例及故障解決方法解析

案例一：namenode被重新格式化，datanode無法連接
現(xiàn)象：namenode 中的namespaceID與datanode中的namespaceID不一致
案例二：硬盤損壞
現(xiàn)象：磁盤損壞導(dǎo)致datanode宕機
案例三：錯誤用戶啟動hadoop
現(xiàn)象：datanode啟動一段時間后宕機
案例四：tasktracker重啟后假死
現(xiàn)象：無報錯，但tasktracker不工作。
案例五：jobtracker無故宕機
現(xiàn)象：運行過程中jobtracker宕機
案例六：datanode無法注冊到namenode
現(xiàn)象：datanode啟動后到MBean這步掛起不再繼續(xù)。
案例七：tasktracker無法啟動，報權(quán)限錯誤
現(xiàn)象：tasktracker報文件夾創(chuàng)建的權(quán)限錯誤后直接退出。
案例八：主機名設(shè)置錯誤
現(xiàn)象：datanode 和tasktracker無法正常工作

Hadoop組件詳解

Hadoop HDFS 基本結(jié)構(gòu)
Hadoop HDFS 副本存放策略
Hadoop NameNode 詳解
Hadoop SecondaryNameNode 詳解
Hadoop DataNode 詳解
Hadoop JobTracker 詳解
Hadoop TaskTracker 詳解
案例演示：Hadoop Mapper類核心代碼
Hadoop Reduce類核心代碼
Hadoop 核心代碼

Hadoop安裝和部署

Hadoop系統(tǒng)模塊組件概述
Hadoop試驗集群的部署結(jié)構(gòu)
Hadoop 安裝依賴關(guān)系
Hadoop 生產(chǎn)環(huán)境的部署結(jié)構(gòu)
Hadoop集群部署
Hadoop 高可用配置方法
Hadoop 集群簡單測試方法
Hadoop 集群異常Debug方法
案例演示：Hadoop安裝部署實驗
Red hat Linux基礎(chǔ)環(huán)境搭建
Hadoop 單機系統(tǒng)版本安裝配置
Hadoop 集群系統(tǒng)版本安裝和啟動配置
使用 Hadoop MapReduce Streaming 快速測試系統(tǒng)
Hadoopcore-site，hdfs-site，mapred-site 配置詳解

Hadoop和傳統(tǒng)數(shù)據(jù)庫技術(shù)優(yōu)劣勢對比

Hadoop/Hive 對比 Oracle 在構(gòu)建數(shù)據(jù)倉庫上的優(yōu)劣勢
Hadoop 如何和傳統(tǒng)IT系統(tǒng)配合完成原來不可能的任務(wù)
案例演示：Apache社區(qū)版本：Cloudera 版本、MapR版本、Intel版本、Oracle、Dell、HP版本

編寫MapReduce高級程序

使用 Hadoop MapReduce Streaming 編程
MapReduce流程?
剖析一個MapReduce程序
基本MapReduceAPI 概念?
驅(qū)動代碼 Mapper、Reducer
Hadoop流
API 使用Eclipse進行快速開發(fā)?
新MapReduce API
MapReduce的優(yōu)化
MapReduce的任務(wù)調(diào)度
MapReduce編程實戰(zhàn)
如何利用其他Hadoop相關(guān)技術(shù)，包括Apache Hive， Apache Pig，Sqoop和Oozie等
滿足解決實際數(shù)據(jù)分析問題的高級Hadoop API
案例演示：Hadoop Streaming 和 Java MapReduce Api 差異。
MapReduce 實現(xiàn)數(shù)據(jù)庫功能
利用Combiners來減少中間數(shù)據(jù)
編寫Partitioner來優(yōu)化負載平衡
直接訪問Hadoop分布式文件系統(tǒng)（HDFS）
Hadoop的join操作
輔助排序在Reducer方的合并
定制Writables和WritableComparables
使用SequenceFiles和Avro文件保存二進制數(shù)據(jù)
創(chuàng)建InputFormats OutputFormats
Hadoop的二次排序
Hadoop的海量日志分析
在Map方的合并

精彩案例及故障解決方法解析

案例一：控制map & reduce個數(shù)
現(xiàn)象：map個數(shù)取決于split個數(shù)，如果源文件使用壓縮存儲，則不可分割，一個文件一個map。非壓縮文件使用默認block.size進行切分。對reduce因為是中間數(shù)據(jù)，可以控制reduce數(shù)量。
案例二：壓縮中間數(shù)據(jù)
現(xiàn)象：job中間臨時數(shù)據(jù)量級大、網(wǎng)絡(luò)IO吞吐量大。
案例三：編程細節(jié)，內(nèi)存溢出
現(xiàn)象：編程過程中，經(jīng)常遇到list、map、倒排表等大對象，如果作為局部變量，每次調(diào)用map或者reduce方法都初始化這些變量，很容易消耗掉JVM堆內(nèi)存，出現(xiàn)內(nèi)存溢出異常。
案例四：編程細節(jié)，計數(shù)&日志打印
現(xiàn)象： System.out.println, System.err.println等日志打印過多會嚴(yán)重影響job性能，counter計數(shù)也會存在同樣的問題，同時也會造成本地磁盤使用量的急劇增長。
案例五： 作業(yè)調(diào)度
現(xiàn)象：集群上的job非常多時，會出現(xiàn)一些job一直等待，很長一段時間內(nèi)沒有開始運行。默認的任務(wù)調(diào)度器FIFO并不能滿足實際工作應(yīng)用。
案例六：Combiner優(yōu)化
現(xiàn)象： map輸出數(shù)據(jù)量非常大，reduce input group遠小于reduce input group時，存在大量的網(wǎng)絡(luò)IO，這些IO中的一部分數(shù)據(jù)可以在本地做完合并，然后再進行reduce操作。

使用Hive和Pig開發(fā)及技巧

Hive和Pig基礎(chǔ)?
Hive的作用和原理說明
Hadoop倉庫和傳統(tǒng)數(shù)據(jù)倉庫的協(xié)作關(guān)系
Hadoop/Hive倉庫數(shù)據(jù)數(shù)據(jù)流
Hive 部署和安裝
Hive Cli 的基本用法
HQL基本語法
使用Oozie的動機?
Oozie工作流定義格式?
案例演示：使用JDBC 連接Hive進行查詢和分析
使用正則表達式加載數(shù)據(jù)
HQL高級語法
編寫UDF函數(shù)
編寫UDAF自定義函數(shù)
使用Sqoop進行數(shù)據(jù)分析
使用oozie配置工作流
phpHiveAdmin 安裝和使用