| ? |
培訓(xùn)模塊 |
培訓(xùn)內(nèi)容 |
| ? |
大數(shù)據(jù)基礎(chǔ) |
1. 什么是大數(shù)據(jù)
2 大數(shù)據(jù)技術(shù)的產(chǎn)生背景
3. 大數(shù)據(jù)應(yīng)用場(chǎng)景
4. 大數(shù)據(jù)思維
5. 大數(shù)據(jù)產(chǎn)業(yè)鏈
6. 大數(shù)據(jù)是如何變革各行業(yè)的技術(shù)架構(gòu)、商業(yè)模式和組織方式
7. 大數(shù)據(jù)必備的技術(shù)基礎(chǔ) |
業(yè)界主流Hadoop
大數(shù)據(jù)平臺(tái)技術(shù)產(chǎn)品
與項(xiàng)目解決方案 |
8. 國(guó)內(nèi)外主流的大數(shù)據(jù)解決方案介紹
9. 當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫(kù)方案的剖析比較
10. Apache Hadoop大數(shù)據(jù)平臺(tái)全流程解決方案
11. Cloudera Hadoop大數(shù)據(jù)平臺(tái)全流程解決方案
12. HDP Hadoop大數(shù)據(jù)平臺(tái)解決方案
13. 開(kāi)源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析 |
| 大數(shù)據(jù)平臺(tái)解決方案 |
14. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界實(shí)際應(yīng)用介紹
15. Hadoop 大數(shù)據(jù)平臺(tái)架構(gòu)
16. 基于Hadoop平臺(tái)的PB級(jí)大數(shù)據(jù)存儲(chǔ)管理與分析處理的工作原理與機(jī)制
17. Hadoop的核心組件剖析
18. Hadoop大數(shù)據(jù)解決方案和產(chǎn)品 |
大數(shù)據(jù)管理系統(tǒng)
應(yīng)用實(shí)戰(zhàn)與解決方案 |
19. 大數(shù)據(jù)管理系統(tǒng)介紹
20. NoSQL 數(shù)據(jù)庫(kù)與 NewSQL 數(shù)據(jù)庫(kù)技術(shù)介紹，及Hadoop 數(shù)據(jù)庫(kù)典型代表
21. HBase 在半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)管理方面的應(yīng)用實(shí)踐
22. NOSQL 大數(shù)需管理解決方案
23. NOSQL 管理圖數(shù)據(jù)方案
24. NOSQL 管理非結(jié)構(gòu)化數(shù)據(jù)方案
25. 分布式數(shù)據(jù)庫(kù)管理結(jié)構(gòu)化數(shù)據(jù)方案 |
大數(shù)據(jù)監(jiān)控
管理解決方案 |
26.大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng)：HUE平臺(tái)的監(jiān)控管理解決方案
27.大數(shù)據(jù)運(yùn)維管理監(jiān)控系統(tǒng)Ambari平臺(tái)
28.Hadoop集群運(yùn)維Ganglia,Nagios解決方案 |
大型數(shù)據(jù)倉(cāng)庫(kù)與
數(shù)據(jù)中心解決方案 |
29.基于Hadoop的大型分布式數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)
30.政務(wù)大數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)
31.持續(xù)增長(zhǎng)的數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)實(shí)施案例 |
| ? |
實(shí)時(shí)大數(shù)據(jù)
分析處理平臺(tái)
的解決方案 |
32. Spark 的發(fā)展歷程以及業(yè)界的實(shí)際應(yīng)用介紹
33. Spark實(shí)時(shí)大數(shù)據(jù)處理平臺(tái)架構(gòu)
34. Spark RDD內(nèi)存彈性分布式數(shù)據(jù)集的工作
35. Spark的核心組件剖析
36. 基于Spark的實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)與實(shí)時(shí)分析挖掘處理在行業(yè)中的應(yīng)用實(shí)踐案例 |
政府部門(mén)大數(shù)據(jù)
應(yīng)用案例 |
37. 醫(yī)療大數(shù)據(jù)應(yīng)用
38. 數(shù)字城市大數(shù)據(jù)應(yīng)用
39. 國(guó)土大數(shù)據(jù)應(yīng)用
40. 電力大數(shù)據(jù)應(yīng)用
41. 城市管理大數(shù)據(jù)應(yīng)用 |
大數(shù)據(jù)中心常見(jiàn)
問(wèn)題及應(yīng)對(duì)之策 |
42. 大數(shù)據(jù)中心的數(shù)據(jù)治理問(wèn)題及應(yīng)對(duì)之策
43. 大數(shù)據(jù)中心的安全問(wèn)題及應(yīng)對(duì)之策
45. 大數(shù)據(jù)中心的訪(fǎng)問(wèn)控制問(wèn)題及應(yīng)對(duì)之策
46. 大數(shù)據(jù)中心的能源供應(yīng)問(wèn)題及應(yīng)對(duì)之策
47. 大數(shù)據(jù)中心的雙活備用問(wèn)題及應(yīng)對(duì)之策 |
| 云計(jì)算基礎(chǔ) |
48. 云計(jì)算技術(shù)應(yīng)用解決方案，智慧城市與云計(jì)算技術(shù)應(yīng)用，移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)與云計(jì)算應(yīng)用解決方案
49. 云計(jì)算和大數(shù)據(jù)技術(shù)在運(yùn)營(yíng)商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實(shí)踐
50. 云計(jì)算平臺(tái)技術(shù)與層次架構(gòu)分析
51. 云計(jì)算的服務(wù)模式與SPI服務(wù)模型，laas、PaaS、SaaS、DaaS技術(shù)解析
52. 公有云計(jì)算平臺(tái)、私有云平臺(tái)、混合云平臺(tái)
53. 政務(wù)云平臺(tái)的實(shí)施室例 |
| 云計(jì)算關(guān)鍵技術(shù) |
54. 云計(jì)算和虛擬化平臺(tái)的成熟應(yīng)用案例
55. 云計(jì)算與虛擬化平臺(tái)的關(guān)鍵技術(shù)
56. 云計(jì)算平臺(tái)的架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)
57. 云資源池管理解決方富剖析
58. 云計(jì)算分布式計(jì)算技術(shù)以及存儲(chǔ)虛擬化、計(jì)算虛擬化、網(wǎng)絡(luò)虛擬化技術(shù)原理
59. 桌面虛擬化、服務(wù)器虛擬化技術(shù)原理及應(yīng)用 |
| 云計(jì)算解決方案 |
60. 云計(jì)算與虛擬化技術(shù)的應(yīng)用解決方案
61. 重點(diǎn)講解業(yè)界主流的標(biāo)準(zhǔn)化云計(jì)算平臺(tái)產(chǎn)品的平臺(tái)架構(gòu)及其應(yīng)用概況
62. OpenStack 云計(jì)算點(diǎn)擬化管理平臺(tái)解決方
63. VMware VSphere 云計(jì)算虛擬化集群管理平臺(tái)解決方案
64. 容器虛擬化云平臺(tái)解決方案，包括 Docker云平臺(tái)方案與產(chǎn)品 |
| 云平臺(tái)運(yùn)維管理 |
65. 商業(yè)云計(jì)算平臺(tái)VMware 的運(yùn)維管理
66. 開(kāi)源云計(jì)算平臺(tái) OpenStack 的運(yùn)維管理
67. 容器云平臺(tái)Docker和 Kubermnetes 運(yùn)維管理
68. 云平臺(tái)的自動(dòng)化運(yùn)維的挑戰(zhàn)與解決之道
69. 云平臺(tái)的運(yùn)維特征分析與特點(diǎn)
70. 云平臺(tái)的安全運(yùn)維之道
71. 云平臺(tái)運(yùn)維系統(tǒng)的規(guī)劃設(shè)計(jì)和系統(tǒng)架構(gòu)
72. 云運(yùn)維管理角色的職責(zé)設(shè)計(jì)
73. 云平臺(tái)的平臺(tái)優(yōu)化運(yùn)維
74. 云平臺(tái)的系統(tǒng)監(jiān)控層維護(hù) |
信息化項(xiàng)目建設(shè)
管理系統(tǒng)流程及
相關(guān)的系統(tǒng)知識(shí) |
75. 信息化項(xiàng)目的管理流程
76. 信息化項(xiàng)目管理需要具備的系統(tǒng)知識(shí)
77. 主機(jī)規(guī)劃知識(shí)，ICT系統(tǒng)知識(shí)
78. 交流討論：根據(jù)講師布置的實(shí)際應(yīng)用案例，開(kāi)展大數(shù)據(jù)完整項(xiàng)目部容設(shè)計(jì)和應(yīng)用開(kāi)發(fā)實(shí)踐、大數(shù)據(jù)項(xiàng)目的需求分析、應(yīng)用實(shí)施以及解決方案 |
| ? |
大數(shù)據(jù)基礎(chǔ)技術(shù) |
79. 大數(shù)據(jù)的4V特征，以及與云計(jì)算的關(guān)系
80. 大數(shù)據(jù)應(yīng)用需求以及潛在價(jià)值分析
81. 業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢(shì)與應(yīng)用趨勢(shì)
82. 大數(shù)招項(xiàng)目的系統(tǒng)與技術(shù)選型，及落地實(shí)施的挑戰(zhàn)
83. “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(yíng)崗，互聯(lián)網(wǎng)金融業(yè)、電子政務(wù)、移動(dòng)互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實(shí)殘與應(yīng)用露例介紹 |
業(yè)界主流的
大數(shù)據(jù)技術(shù)方案 |
84. 大數(shù)據(jù)歟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹
85. 主流的大數(shù)據(jù)解決方露介紹
86. Apache 大數(shù)據(jù)平臺(tái)方索創(chuàng)析
87. CDH大數(shù)據(jù)平臺(tái)方宏創(chuàng)析
88. HDP大數(shù)據(jù)平臺(tái)方索制析
89. 大數(shù)貼解決方室與傳統(tǒng)致眍庫(kù)方家比較 |
大數(shù)據(jù)計(jì)算模型
（一） 批處理 MapReduce |
90. MapReduce產(chǎn)生背景與適用場(chǎng)景
91. MapReduce 計(jì)算模型的基本原理
92. MapReduce作業(yè)執(zhí)行流程
93. MapReduce基本姐件，Jobtracker和Tasktracker
94. MapReduce高級(jí)編程應(yīng)用，Combiner和Partitioner
95. MapReduce性能優(yōu)化技巧
96. MapReduce室例分析與開(kāi)發(fā)實(shí)踐操作 |
大數(shù)據(jù)存儲(chǔ)系統(tǒng)
與應(yīng)用實(shí)踐 |
97.分布式文件系統(tǒng)HDFS 產(chǎn)生背景與適用場(chǎng)景
98. HDFS master-slave 系統(tǒng)架構(gòu)與工作原理
99. HDFS核心組件技術(shù)講解
100. HDFS 高可用保證機(jī)制
101. HDFS 集群的安裝，部零與配置，熟練HDFS shell 命令操作
102. 分布式小文件存儲(chǔ)系統(tǒng)的平臺(tái)深構(gòu)、核心技術(shù)與應(yīng)用場(chǎng)景
103. 分布式對(duì)象存儲(chǔ)系統(tǒng)的平臺(tái)架構(gòu)、核心技術(shù)與應(yīng)用場(chǎng)景 |
Hadoop框架與
生態(tài)發(fā)展及
應(yīng)用實(shí)踐操作 |
104. Hadoop的發(fā)展歷程
105. Hadoop 大數(shù)據(jù)生態(tài)國(guó)系統(tǒng)與工具全貌介紹
106. Hadoop 1. 0的核心組件與適用范圍
107. Hadoop 2. 0的核心組件YARN 工作原理，以及與Hadoop 1. 0的區(qū)別
108. Hadoop資源管理與作業(yè)調(diào)度機(jī)制
109. Hadoop 常用性能優(yōu)化技術(shù)
110. Hadoop集群安裝與部署實(shí)踐，以及MapReduce程序在YARN上執(zhí)行 |
| ? |
大數(shù)據(jù)計(jì)算模型
（二） 實(shí)時(shí)處理／內(nèi)存計(jì)算Spark |
111. MapReduce計(jì)算模型的瓶頸
112. Spark產(chǎn)生動(dòng)機(jī)、基本概念與適用場(chǎng)景
113. 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
114. Spark 實(shí)時(shí)處理平臺(tái)運(yùn)行架構(gòu)與核心組件
115. Spark容錯(cuò)機(jī)制
116. Spark作業(yè)調(diào)度機(jī)制
117. Scala開(kāi)發(fā)介紹與實(shí)踐
118. Spark 集群部署與配置實(shí)踐，Spark開(kāi)發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開(kāi)發(fā)與運(yùn)行，Spark與Hadoop集群集成實(shí)踐 |
| 總結(jié) |
學(xué)員分組交流討論 |
